先对齐再融合：基于锚点匹配对应关系的广义大规模多视图聚类
机器学习
2022-10-25 v2
摘要
多视图锚点图聚类选取代表性锚点以避免全配对相似度，从而降低图方法的复杂度。尽管已广泛应用于大规模场景，现有方法未充分关注建立跨视图锚点集之间的正确对应关系。具体而言，从不同视图获得的锚点图未按列对齐。这种锚点未对齐问题（AUP）会导致图融合不准确并降低聚类性能。在多视图场景下，由于锚点在特征维度上不一致，生成正确对应关系可能极其困难。为解决这一挑战性问题，我们提出首个广义且灵活的锚点图融合框架，称为快速多视图锚点对应聚类（FMVACC）。具体地，我们展示如何利用特征与结构信息寻找锚点对应，之后按列执行锚点图融合。此外，我们从理论上展示了 FMVACC 与现有多视图后期融合和局部视图对齐聚类的联系，进一步证明了我们的通用性。在七个基准数据集上的大量实验证明了所提方法的有效性与高效性。而且，所提对齐模块应用于现有多视图锚点图竞争方法时也显示出显著性能提升，表明锚点对齐的重要性。我们的代码见 https://github.com/wangsiwei2010/NeurIPS22-FMVACC。
引用
@article{arxiv.2205.15075,
title = {Align then Fusion: Generalized Large-scale Multi-view Clustering with Anchor Matching Correspondences},
author = {Siwei Wang and Xinwang Liu and Suyuan Liu and Jiaqi Jin and Wenxuan Tu and Xinzhong Zhu and En Zhu},
journal= {arXiv preprint arXiv:2205.15075},
year = {2022}
}
备注
Accepted to the Conference on the Advances in Neural Information Processing Systems (NeurIPS) 2022