.png){kind=icon}
返回
Enhanced deep non-negative matrix factorization for multi-view clustering
.png){kind=icon}
OA
AI
DOI：10.1016/j.sciaf.2025.e03051.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多视角聚类（MVC）旨在通过利用不同视角间的互补和一致性信息，将相似样本聚类到同一簇中。近年来，MVC已成功应用于社会网络分析、生物信息学和计算机视觉等多个领域。在现有的多视角聚类算法中，深度非负矩阵分解（DNMF）是一种有前景且广泛使用的技术。然而，现有的DNMF方法忽视了低维表示学习和各视角的特异性。为解决上述问题，我们针对MVC提出了一种增强型DNMF算法（EDNMF），将深度编码和解码融合到一个统一框架中。具体而言，解码和编码阶段分别对应原始数据的重建和低维表示学习。引入平滑策略，通过为每个视角学习一个投影矩阵，将各视角的特征矩阵与共识表示矩阵相连，从而考虑各视角的特异性。为保留多视角数据的局部几何结构信息，将新的图正则化融合到EDNMF模型中。此外，若存在先验信息表明某些样本属于同一簇，则通过将该先验信息整合到EDNMF的图正则化项中，提出了半监督EDNMF（SEDNMF）用于MVC。在九个数据集上的数值实验表明了所提方法的有效性和优越性。
Keyword:
Clustering
Graph regularization
Autoencoder
Smoothness strategy
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.3
论文数:
1.2K
被引数:
6.7K
机构
查看更多机构
引用论文
Anaerobic Degradation of Individual Components from 5-Hydroxymethylfurfural Process-Wastewater in Continuously Operated Fixed Bed Reactors.png)
ProcessesOAAI
ProcessesIF0
OAAI分享收藏Comprehensive Multiview Representation Learning via Deep Autoencoder-Like Nonnegative Matrix Factorization通过类似深度自动编码器的非负矩阵分解进行全面的多视图表示学习
PREAI
分享收藏W. Lin, S. Jiang, Q. Jin, Overlap community detection using spectral algorithm based on node convergence degree, Future Generation Computer Systems 79 (2018) 408–416.W. Lin, S. Jiang, Q. Jin, 基于节点收敛度的谱算法重叠社区检测，Future Generation Computer Systems 79 (2018) 408–416.
IF0
PREAI
分享收藏
没有更多内容