.png){kind=icon}
返回
SOI-Net: Structural Optimization-Inspired Interpretable Network for Incomplete Multi-View Clustering
.png){kind=icon}
PRE
AI
DOI：10.1109/TMM.2025.3623519.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
数据缺失是实际应用中的常见问题，为不完整数据处理带来了显著挑战。传统的非完整多视图聚类方法依赖基于先验可解释知识的优化问题进行手动设计，以实现可用数据的充分利用。然而，其有限的特征提取能力可能成为瓶颈。相比之下，深度优化方法利用基于学习的非线性变换进行聚类。它们主要通过深度模型的泛化能力实现数据补全，但模型的可解释性可能受黑箱特性的限制。此外，现有方法大多仅独立探索各视图的结构，这些结构是固定的，无法形成完整统一的架构。为解决这些问题，我们提出了一种受结构优化启发的可解释网络（SOI-Net）用于非完整多视图聚类。具体而言，我们将所有视图的特征投影到统一表示空间中，以视图的非缺失信息作为约束。通过优化一致的结构信息，我们在统一表示空间中保留缺失模态的结构，从而缓解数据缺失的影响。同时，我们基于优化问题推导网络组件，以指导结构和表示的学习。这些网络组件的实践意义为模型设计层面的可解释性提供了支持。在六个数据集上的广泛实验验证了SOI-Net在处理非完整多视图聚类任务中的有效性。
Keyword:
Incomplete multi-view clustering
interpretable deep learning
consistent structure optimization.
期刊
IF:
9.7
论文数:
4.6K
被引数:
2.4W
机构
引用论文
Opine: Leveraging a Optimization-Inspired Deep Unfolding Method for Multi-Channel Speech Enhancement.png)
ICASSP 2024 - 2024 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
ICASSP 2024 - 2024 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
PREAI
分享收藏ISTA-Net: Interpretable Optimization-Inspired Deep Network for Image Compressive SensingIsta-net: 用于图像压缩感知的可解释优化启发的深度网络
OAAI
OAAI分享收藏分享收藏Scalable and Structural Multi-View Graph Clustering With Adaptive Anchor Fusion基于自适应锚融合的可扩展结构化多视图聚类
PREAI
分享收藏分享收藏分享收藏
查看更多内容