Deep multi-view clustering via structure preserving learning

doi:10.1016/j.knosys.2026.116096

Deep multi-view clustering via structure preserving learning

2026-04-30

0

PRE

AI

DOI：10.1016/j.knosys.2026.116096

原文链接

原文求助

摘要

En 中文

深度多视图聚类因其能有效整合多视图信息并提升聚类性能而受到广泛关注。首先，表示学习通常仅依赖聚类伪标签，而忽视了局部邻域关系的维护；其次，不同视图中来自同一聚类的样本往往对齐不足；最后，融合过程中大多数方法仅采用视图级权重分配，未能捕捉样本级差异。为解决这些问题，我们提出一种基于结构保持学习（SPLMVC）的深度多视图聚类方法。具体而言，我们设计了视图内结构保持嵌入学习机制，同时确保全局聚类结构的保持和局部邻域的一致性；此外，引入跨视图结构对齐学习机制，从而获得更鲁棒且判别性更强的聚类表示；最后，开发了样本级自适应加权融合策略，为不同视图中的每个样本动态分配可学习权重，以实现精细化的特征集成。在多个公开数据集上的大量实验表明，我们的方法有效且具有优越性。本文代码可在https://github.com/mwmytu/SPLMVC获取。

Keyword:

Deep multi-view clustering

structure preserving learning

representation learning

cross-view alignment

sample-level fusion

Deep multi-view clustering via structure preserving learning

摘要

期刊

机构

引用论文