Deep tensor completion graph convolutional subspace clustering

C. Xie

doi:10.1016/j.dsp.2025.105478

Deep tensor completion graph convolutional subspace clustering

2025-07-15

0

PRE

AI

DOI：10.1016/j.dsp.2025.105478

原文链接

摘要

En 中文

图卷积子空间聚类（GCSC）旨在通过图卷积网络（GCNs）将数据的拓扑信息与子空间表示相结合。然而，现有方法受限于其对局部拓扑信息的重视，忽略了数据中的全局关系。此外，它们的邻接矩阵是固定且预定义的，无法适应训练过程中特征的变化，并且可能容易受到噪声的影响。为解决这些问题，我们提出了深度张量补全图卷积子空间聚类（DTC-GCSC）。首先，我们将初始化的邻接矩阵视为可训练参数，使其能够通过深度架构与模型联合优化。在此基础上，我们进一步通过将传统子空间聚类（CSC）整合到GCSC中，引入全局拓扑信息，将局部关系扩展到全局结构。最后，为增强局部与全局信息之间的一致性，我们引入张量核范数（TNN）约束，以强制它们之间的高阶相关性。在多个数据集上的广泛实验表明，我们的方法优于当前最优方法。

Keyword:

Graph Convolutional Networks

Subspace Clustering

Tensor Completion

Topological Information

Deep Learning

Deep tensor completion graph convolutional subspace clustering

摘要

期刊

机构

引用论文