Deep Semantic Prototype Alignment for Incomplete Multi-View Clustering

Zixuan Lin

doi:10.1109/LSP.2025.3618773

Deep Semantic Prototype Alignment for Incomplete Multi-View Clustering

2025-01-01

0

PRE

AI

Xie Shengli (Shengli Xie)

DOI：10.1109/LSP.2025.3618773

原文链接

原文求助

摘要

En 中文

多视角聚类通过整合多源信息来增强聚类性能，但部分视角缺失对不完整多视角聚类（IMC）构成了显著挑战。现有的基于矩阵分解（MF）的方法通过学习在共享隐空间中隐式补全缺失数据，取得了有前景的结果。然而，当前的单层MF框架无法充分利用有用的数据表示，容易导致补全错误，进而影响视角对齐的质量。为解决此问题，本文提出了一种深度语义原型对齐不完整多视角聚类方法（DSPA-IMC）。首先，通过深度矩阵分解直接从各视角的观测数据中学习层次化局部表示，从而减少推测性补全带来的误差。其次，我们提出了一种原型驱动的语义对齐机制，将深度局部表示投影到由正交原型定义的共享语义空间中，有效实现跨视角语义统一，并指导缺失数据的处理。实验结果表明，DSPA-IMC在多种缺失率下均优于十一种现有的最先进方法。

Keyword:

Incomplete multi-view clustering

deep matrix factorization

prototype-driven alignment

Deep Semantic Prototype Alignment for Incomplete Multi-View Clustering

摘要

期刊

机构

引用论文