Multi-view clustering via diversity consensus graph infusion

Mingguang Shao

doi:10.1016/j.neucom.2026.133281

Multi-view clustering via diversity consensus graph infusion

2026-03-11

0

PRE

AI

DOI：10.1016/j.neucom.2026.133281

原文链接

原文求助

摘要

En 中文

多视角聚类（MVC）旨在探索不同视角间的互补和一致性信息，以实现更优的聚类性能。近年来，处理大规模多视角数据已引起广泛关注，促使相关算法的发展。大多数方法在每个视角中选择少量锚点，构建单视角锚图，然后将其合并为统一图。尽管这些方法效率很高，但存在两个关键局限性：(i) 锚图的融合通常通过线性加权实现，该策略未能充分捕捉数据的底层结构；(ii) 现有方法主要关注单维共识图，限制了模型的表达能力。为解决这些挑战，我们提出了一种名为“通过多样性共识图注入的多视角聚类”（DCGI）的新方法。DCGI将锚图构建与优化整合到一个统一的学习框架中，以提升聚类性能。通过学习共识锚点和捕获跨视角共性的视图特定图，它避免了多视角融合导致的性能损失。此外，它融合多尺度共识图以获得最终聚类结构。另外，DCGI在样本数量上具有线性复杂度，表明其能够处理大规模多视角数据。在基准数据集上的实验验证了我们提出方法的优异聚类性能。

Keyword:

Multi-view clustering

Anchor graph

Consensus graph

Large-scale data

Graph infusion

Multi-view clustering via diversity consensus graph infusion

摘要

期刊

机构

引用论文