Efficient Co-Clustering via Bipartite Graph Factorization

Xiaowei Zhao

doi:10.1109/TKDE.2026.3656520

Efficient Co-Clustering via Bipartite Graph Factorization

2026-01-21

0

PRE

AI

Xiaojun Chang (Xiaojun Chang)

DOI：10.1109/TKDE.2026.3656520

原文链接

原文求助

摘要

En 中文

样本-锚点协同聚类已在提升聚类效率方面展现出潜力；然而，现有方法存在两大主要局限性。首先，锚点间的内在几何关系常被忽略，导致锚点簇结构缺乏足够的平滑性。其次，无法直接推断样本和锚点的离散独热伪标签，削弱了聚类结果的稳定性和可解释性。为应对这些挑战，我们提出BGFC，一种二分图分解聚类模型。BGFC采用二分图的非负矩阵分解，直接为样本和锚点生成独热伪标签，增强标签分配的局部一致性。此外，通过低秩分解构建并优化紧凑的锚点相似性图，以显式促进几何相关锚点间的伪标签一致性。开发了一种交替优化算法，用于联合更新所有模型变量，实现高效且可扩展的训练。在基准数据集上的广泛实验表明，BGFC在聚类性能和计算效率两方面均持续优于当前最先进的协同聚类方法。

Keyword:

Co-clustering

bipartite graph factorization

anchor similarity graph decomposition

Efficient Co-Clustering via Bipartite Graph Factorization

摘要

期刊

机构

引用论文