Partially View-Aligned Multi-View Clustering based on Progressive Global Consensus Learning

doi:10.1109/tcsvt.2026.3720618

Partially View-Aligned Multi-View Clustering based on Progressive Global Consensus Learning

2026-08-06

0

PRE

AI

DOI：10.1109/tcsvt.2026.3720618

原文链接

原文求助

摘要

En 中文

由于实际环境中的时空异步性，实例可能在不同视角数据间保持未对齐状态，限制了交叉视角共识的探索。尽管现有方法已取得显著进展，但全局相关性共识学习（GCL），作为在完全对齐多视角聚类中已被证明有效的算法家族，在部分视角对齐的设置下仍鲜有研究。为解决此问题，我们提出了一种基于渐进式全局共识学习的部分视角对齐多视角聚类方法（PVC-PGCL），该方法通过探索和利用全局相关性中的交叉视角共识以获得有前景的聚类结果。具体而言，与常规的一步式GCL公式直接对原始特征施加全局一致性不同，PVC-PGCL采用渐进式共识学习策略，将全局相关性共识学习目标转化为分阶段且交互式的学习过程。该方法引入三种矩阵：主要系数矩阵、缓冲矩阵和全局系数矩阵。这些矩阵共同形成一个信息传递层，连接部分视角对齐数据与全局相关性；各自则分别承担不同的功能，如表示降维、样本重构、全局相关性建模和共识学习。通过这种分层设计，PVC-PGCL在数据未对齐场景下实现了从局部到全局的多层次共识探索。在多个流行多视角数据集上的聚类实验证明了我们方法的有效性和竞争力。本工作的演示代码可通过 https://github.com/Q0W8E2R2 获取。

Keyword:

Multi-view Clustering

Partially View-aligned Multi-view Data

Partially View-aligned Multi-view Clustering

Global Correlations

Partially View-Aligned Multi-View Clustering based on Progressive Global Consensus Learning

摘要

期刊

机构

引用论文