.png){kind=icon}
返回
Tensor-constrained consensus, partial-consensus and specificity components learning framework for incomplete multi-view clustering
.png){kind=icon}
PRE
AI
DOI：10.1007/s11280-026-01422-x.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，不完整多视图聚类（IMC）受到了越来越多的关注。然而，大多数现有的IMC方法可能存在以下问题：（a）它们可能忽略学习部分共识知识，而这种知识广泛存在于不完整多视图数据中；以及（b）它们可能无法充分探索视图中的知识。为解决上述问题，我们提出了一种用于不完整多视图聚类的张量约束共识、部分共识和特异性成分学习框架（TCPS-IMC）。TCPS-IMC包括两个组件：（a）视图划分学习（VDL）：将视图划分为共识、部分共识和特异性部分，以分别学习不完整多视图数据；以及（b）知识增强学习（KEL）：通过对视图施加张量核范数来保证视图的低秩性，通过最小化部分共识部分之间的Hadamard积来提取部分共识知识的重要特征，并通过对特异性部分施加F范数来学习更具体的知识。通过TCPS-IMC，不完整多视图数据得到充分学习，且视图中的知识尽可能被探索。在不完整多视图聚类中，TCPS-IMC在50%配对比例下比次优方法获得更高的平均ACC（提高4.64%），验证了TCPS-IMC的有效性。TCPS-IMC的源代码可在https://github.com/GDUT-zhangjinchao/TCPS-IMC获取。
Keyword:
Incomplete Multi-view learning
Consensus
Partial-consensus
Specificity
Tensor
期刊
W
IF:
0
论文数:
68
被引数:
0
机构
引用论文
Tensor Learning Meets Dynamic Anchor Learning: From Complete to Incomplete Multiview Clustering张量学习遇到动态锚学习: 从完整到不完整的多视图聚类
PREAI
分享收藏Incomplete Multi-view Clustering with Paired and Balanced Dynamic Anchor Learning不完整多视角聚类与成对平衡动态锚学习
PREAI
分享收藏分享收藏Consensus Incomplete Multi-View Clustering with Nonconvex Tensor Smooth Graph Learning共识不完全多视图聚类与非凸张量平滑图学习.png)
PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏
查看更多内容