.png){kind=icon}
返回
From One Comes Two: A Tensorized Graph Learning Framework for Clustering
.png){kind=icon}
PRE
AI
DOI：10.1109/TKDE.2025.3622333.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在本工作中，我们专注于学习适用于聚类的潜在图，并提出了一种新颖的张量化图学习（TGL）框架，该框架整合了邻域信息和自表达性信息。主要观点是，包含邻域信息的图和包含自表达性信息的图从两个不同角度描述了底层的聚类结构，可被视为数据的两种视图。为此，我们的TGL将单视图图学习任务转化为多视图图学习任务。具体而言，它通过低秩张量约束联合学习这两个图，以追求高阶张量空间中的一致性。在图学习过程中，可以挖掘数据的邻域信息和自表达性信息。大量的实验结果表明，所提出的TGL在与其他几种最先进的聚类算法进行比较时表现出良好的性能。
Keyword:
Low-rank tensor constraint
graph learning
clustering
期刊
IF:
10.4
论文数:
6.9K
被引数:
3.2W
机构
引用论文
.png){kind=icon}
Integrating Fuzzy Clustering and Graph Convolution Network to Accurately Identify Clusters From Attributed Graph融合模糊聚类和图卷积网络以准确识别属性图中的聚类
PREAI
分享收藏Graph Convolutional Subspace Clustering: A Robust Subspace Clustering Framework for Hyperspectral Image图卷积子空间聚类: 高光谱图像鲁棒子空间聚类框架
OAAI
OAAI分享收藏
查看更多内容