.png){kind=icon}
返回
Generative Diffusion Contrastive Network for Multi-View Clustering
.png){kind=icon}
PRE
AI
DOI：10.1109/LSP.2026.3668750.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，多视角聚类（MVC）在深度学习的影响下取得了显著进展。通过整合来自多视角的异构数据，MVC增强了聚类分析，使得多视角融合对聚类性能至关重要。然而，多视角融合仍受到低质量数据的挑战，主要源于以下两个原因：1）某些视角被噪声数据污染。2）部分视角存在缺失数据。本文提出了一种新颖的随机生成扩散融合（SGDF）方法以解决此问题。SGDF利用多生成机制处理每个样本的多视角特征，表现出对低质量数据的鲁棒性。基于SGDF，我们进一步提出了生成扩散对比网络（GDCN）。大量实验表明，GDCN在深度MVC任务中取得了当前最优（state-of-the-art）结果。
Keyword:
Deep clustering
diffusion model
multi-view clustering
multi-view fusion
期刊
I
IF:
3.9
论文数:
808
被引数:
0
机构
引用论文
Separable Consistency and Diversity Feature Learning for Multi-View Clustering多视图聚类的可分离一致性和多样性特征学习
.png){kind=icon}
PREAI
分享收藏
分享收藏Simple One-Step Multi-View Clustering With Fast Similarity and Cluster Structure Learning简单的一步多视图聚类，具有快速相似性和聚类结构学习
PREAI
分享收藏
查看更多内容