.png){kind=icon}
返回
Tensorized topological manifold for multiple kernel clustering
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ins.2026.123188.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多核聚类（MKC）因其能够高效处理非线性信息而受到广泛关注。然而，现有的MKC方法往往忽略了异构邻居关系，未能充分捕获跨核的高阶互补信息。因此，这些局限性阻碍了其在实际应用中的广泛应用。为解决这些问题，我们提出了一种新型聚类方法，即张量化拓扑流形多核聚类（即TTMMKC）。具体而言，TTMMKC通过采用流形拓扑结构来构建核拓扑图，以测量实例间的相似性，而非使用欧氏结构，从而在希尔伯特空间中探索局部邻居传播结构。此外，TTMMKC将多个核拓扑图整合为三阶张量，并利用张量核范数来探索异构核拓扑图之间的互补一致性信息。在多种场景下的基准数据集上的实验结果表明，TTMMKC能够有效利用高阶拓扑结构，在希尔伯特空间中准确捕获数据的内在传播信息。
Keyword:
Multiple kernel clustering
Graph learning
Tensor learning
Topological manifold
期刊
IF:
6.8
论文数:
553
被引数:
6.2W
机构
引用论文
Multi-view clustering via efficient representation learning with anchors基于锚的高效表示学习的多视图聚类.png)
PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
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
Scalable Multi-View Graph Clustering With Cross-View Corresponding Anchor Alignment可扩展的多视图图聚类与跨视图对应锚点对齐
PREAI
分享收藏
查看更多内容