Graph Variational Multi-View Clustering

doi:10.1109/TCSVT.2025.3571012

Graph Variational Multi-View Clustering

0

PRE

AI

DOI：10.1109/TCSVT.2025.3571012

原文链接

原文求助

摘要

En 中文

多视图聚类（MVC）旨在从多源数据中提取共识信息，并已得到快速发展。尽管基于生成模型的方法通过利用预定义先验能够取得良好性能，但它们常常忽略了实例间关系，这对于高质量聚类至关重要。为解决此问题，我们提出了图变分多视图聚类（GVMVC），将图信息整合到生成过程中。具体而言，我们将原始多视图特征和各视图的图信息视为观测数据，以指导潜在表示的学习。我们方法的关键原则包括：1）通过图整合增强判别特征学习；2）通过基于图的约束确保多视图学习的一致性。大量实验表明，GVMVC在各类数据集和指标上均优于当前最优方法。代码可在https://github.com/WenB777/GVMVC.git获取。

Keyword:

Multi-view clustering

variational inference

Graph Variational Multi-View Clustering

摘要

期刊

机构

引用论文