The embedding proximity learning for multi-view clustering

Y. T. Tan

doi:10.1016/j.neucom.2025.131926

The embedding proximity learning for multi-view clustering

2025-11-01

0

PRE

AI

DOI：10.1016/j.neucom.2025.131926

原文链接

原文求助

摘要

En 中文

目前，大多数前沿的多视图聚类技术通常聚焦于从相似度矩阵中提取一致的结构特征。然而，这些方法仅考虑在相同潜在空间中的聚类，这导致了高维噪声的干扰，并限制了语义信息的挖掘。此外，图的生成方法也对聚类结果产生重要影响。为解决这些问题，我们引入了一种新颖的嵌入邻近学习多视图聚类方法（EPLMC）。具体而言，EPLMC对每个视图中得到的相似度矩阵进行细化和处理，在Grassmann流形上重构它们，形成一个连贯且统一的嵌入，这既增强了语义信息的提取，又缓解了高维噪声的破坏性影响。这种统一嵌入进而提升了多视图下数据相似度矩阵的表示能力，实现了相似度矩阵的动态构建。为强调视图间的差异，我们引入了一个自加权框架。EPLMC的核心在于其创新的学习方法，该方法能够以相互促进的方式同时学习相似度矩阵和统一嵌入。为应对EPLMC带来的优化挑战，我们引入了一种高效的迭代算法，并对其收敛性和计算复杂度进行了深入分析。大量的实验结果有力地证明了EPLMC在九个真实数据集上优于十种当前最先进方法的优越性。

The embedding proximity learning for multi-view clustering

摘要

期刊

机构

引用论文