Rethinking Prototype Alignment for Incomplete Multi-View Clustering

Liang Zhao

doi:10.1109/TCE.2026.3679542

Rethinking Prototype Alignment for Incomplete Multi-View Clustering

2026-03-31

0

PRE

AI

DOI：10.1109/TCE.2026.3679542

原文链接

原文求助

摘要

En 中文

多视图聚类利用互补信息源改进分组，但实际应用常因数据不完整（实例缺少某些视图）而受限。现有方法通常依赖从完全观测数据子集中学习视图间对应关系，该过程数据需求量大且计算成本高。为此，我们提出一种基于梯度一致性理论分析的原型导向框架。具体而言，我们的分析表明，由代表性原型推导的优化方向与底层聚类质心方向一致。基于此洞察，我们引入“样本—评分—选择”策略，在每批数据中识别并选择一个高质量原型。尽管每次迭代仅选择一个原型，但训练过程中累积的对齐确保捕获全局聚类结构和语义多样性。该策略（i）保持与随机采样相当的计算效率；（ii）通过过滤低质量候选抑制不完整视图的噪声；（iii）缓解原型数量与真实聚类数之间的不匹配。结合一个轻量级、可插拔的鲁棒插补模块，所提框架在达到最先进准确率的同时显著缩短训练时间并减少对成对数据的依赖。在多个基准数据集上的广泛实验验证了该范式的有效性和鲁棒性。

Keyword:

Multi-view clustering

incomplete data

prototype

Rethinking Prototype Alignment for Incomplete Multi-View Clustering

摘要

期刊

机构

引用论文