.png){kind=icon}
返回
Triplets-based large-scale multi-view spectral clustering
.png){kind=icon}
PRE
AI
DOI：10.1016/j.inffus.2025.103134.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
通过整合多视角的互补信息以达成共识，基于图的多视角聚类能够胜任地描述数据结构，从而吸引了广泛关注。在大数据时代，其时间瓶颈主要在于图构造和特征分解。现有方法通常利用锚图学习来解决这个问题。然而，无监督代表性锚点选择、共识或视角特定锚点、锚点对齐等问题仍具挑战性。此外，为追求效率会丢弃过多信息。受锚点基方法本质的启发——利用代表性点对点关系来降低图复杂度，我们基于邻域相似性为每个视角生成三元组以保留点对点关系和局部结构，并提出了基于三元组的大规模多视角谱聚类（TLMSC）。随后，设计了三元组增强策略以选择代表性三元组关系来提升效率和聚类性能。具体而言，根据视角共识筛选三元组的正样本，显著提高正样本属于同一簇的概率；基于概率生成最难以区分的硬负样本以提升判别性能。在增强三元组及其权重的指导下，通过优化构建改进的低维嵌入，该嵌入进一步作为输入提供给所提出的快速稀疏谱聚类（FSSC）以获得聚类结果。大量实验验证了所提TLMSC的效率和优越性能。在18个数据集上，与10种最新方法相比，其ACC至少平均提升12.25%。代码可在github.com/ytccyw/TLMSC获取。
Keyword:
Multi-view clustering
Large-scale clustering
Triplet
Low-dimensional embedding
期刊
IF:
15.5
论文数:
4.2K
被引数:
2.7W
机构
引用论文
.png){kind=icon}
Fast Parameter-Free Multi-View Subspace Clustering With Consensus Anchor Guidance共识锚引导的无参数多视图子空间快速聚类
PREAI
分享收藏分享收藏
查看更多内容