.png){kind=icon}
返回
Dependency-driven spectral embedding based multi-view clustering
.png){kind=icon}
PRE
AI
DOI：10.1007/s10489-025-07026-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多视角聚类在机器学习和计算机视觉中具有重要应用，但现有方法存在三大主要局限性：对视角间差异考虑不足、未能捕捉视角间的复杂关系以及忽略了嵌入表示与聚类标签间的相互依赖性。为克服这些局限性，本文提出了一种新颖的依赖驱动谱嵌入多视角聚类方法（DDSE），该方法引入了双层次学习系统。在全局层，DDSE通过选择性保留各视角的判别特征并调整其权重来突出视角间的差异；在局部层，采用Grassmann流形来维持视角间的拓扑信息并提升聚类适应性。通过从再生核希尔伯特空间学习统一嵌入表示，DDSE能够捕捉视角间的高阶非线性依赖关系，并通过生成离散指示矩阵避免信息损失。此外，本文推导出一种高效优化方案以提升所提方法的性能。在十个数据集上的多轮实验验证了该方法相较于其他当前最优方法的优越性。
Keyword:
Multi-view clustering
Dependency-driven
Spectral embedding
Grassmann manifold