Tensorized Anchor Graphs with Multi-Scale Learning for One-Step Multi-View Clustering

Wang, Fei

doi:10.1016/j.patcog.2026.114144

Tensorized Anchor Graphs with Multi-Scale Learning for One-Step Multi-View Clustering

2026-09-29

0

PRE

AI

DOI：10.1016/j.patcog.2026.114144

原文链接

原文求助

摘要

En 中文

基于锚图的多视图聚类算法在加速大规模数据处理方面已得到广泛应用。尽管性能显著提升，但仍存在三大主要局限性：①预选锚点使聚类结果对锚点质量高度敏感；②各视图仅基于单尺度构建锚图，无法充分捕获原始数据固有结构；③优化过程与聚类操作分离导致关键信息丢失，降低聚类性能。为解决这些问题，我们提出了一步多视图聚类用张量化锚图与多尺度学习（TAGML/OMVC），设计联合锚点学习、多尺度生成和聚类操作的框架。具体而言，首先在各视图中自适应选择多尺度最优锚点生成高质量多尺度锚图，再融合为表示矩阵；随后通过堆叠所有视图的表示矩阵构建张量，并应用张量核范数（TNN）保留视图间高阶关系；最后采用谱旋转优化聚类过程，使表示学习与聚类相互增强，获得最优聚类指示矩阵。实验结果表明，所提算法在性能和时间效率上均表现优异。代码公开于https://github.com/wangfii/TAGML-OMVC。

Keyword:

Anchor graphs

Multi-view clustering

Multi-scale learning

Tensorized Anchor Graphs with Multi-Scale Learning for One-Step Multi-View Clustering

摘要

期刊

机构

引用论文