Multi-block projection clustering

Yangbo Wang

doi:10.1016/j.engappai.2026.116103

Multi-block projection clustering

2026-09-03

0

PRE

AI

DOI：10.1016/j.engappai.2026.116103

原文链接

原文求助

摘要

En 中文

投影聚类通过学习从原始空间到低维表示的明确映射，为高维数据分析提供了有效的框架。然而，许多现有方法在整个数据集上构建邻域关系，导致高计算和内存成本，限制了其可扩展性。为解决此问题，我们提出了多块投影聚类（MBPC），该方法首先将样本随机划分为大小近似相等的多个块，然后联合学习块内自适应邻域、块特定投影和共享投影。通过这种方式，MBPC避免了全规模相似性计算，同时保留了局部几何结构，并将不同块中的互补信息整合到统一的投影中。开发了一种高效的交替优化算法来解决所提出的模型。在基准数据集上的大量实验表明，MBPC在保持良好的运行时间、内存消耗和样本外适用性可扩展性的同时，实现了具有竞争力的聚类性能。

Multi-block projection clustering

摘要

期刊

机构

引用论文