.png){kind=icon}
返回
Multi-view clustering via consensus coefficient matrix and separate segmentation matrices
.png){kind=icon}
OA
AI
DOI：10.1080/24751839.2025.2479898.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，从不同来源和不同视角获取数据导致了大量多视角数据集的出现。在多视角学习方法中，多视角聚类已被许多研究人员视为分析这些数据的合适方法。多视角聚类的目的是利用所有视角的互补信息对多视角数据集进行聚类。在本文中，我们提出了一种基于谱分析的多视角子空间聚类方法。子空间聚类通过利用自表达特性在低维空间中显示数据，最终采用谱聚类方法进行数据的最终聚类。在最近的多视角聚类方法中，分割矩阵或系数矩阵的融合被分别考虑。在我们的提出方法中，我们的目标是通过对所有视角的分割矩阵和系数矩阵进行联合学习，同时获得特征向量的共识矩阵。之后，在共识分割矩阵上的谱聚类将给出多视角子空间聚类。最后，我们使用与我们的技术相关的方法评估我们的方法。
Keyword:
Multi-view clustering
subspace clustering
spectral clustering
information fusion
期刊
IF:
1.7
论文数:
75
被引数:
419
机构
引用论文
.png){kind=icon}
Towards Scalable Multi-View Clustering via Joint Learning of Many Bipartite Graphs通过许多二部图的联合学习实现可扩展的多视图聚类
PREAI
分享收藏Fast Parameter-Free Multi-View Subspace Clustering With Consensus Anchor Guidance共识锚引导的无参数多视图子空间快速聚类
PREAI
分享收藏
查看更多内容