基于锚点的分层特征递降多视图子空间聚类
计算机视觉与模式识别
2024-04-10 v2 机器学习
摘要
多视图聚类因能聚合多源信息且在公共事务中前景广阔而备受关注。迄今已有诸多先进方法见诸近期文献。然而，若干待解难题仍存。一个常见困境出现在试图对齐不同视图特征时。此外，由于许多现有多视图聚类算法源于谱聚类，这导致关于数据集规模的时间复杂度为立方级。为此，我们提出基于锚点的分层特征递降多视图子空间聚类（MVSC-HFD），通过分层特征递降将各视图投影至公共子空间（阶段1）以解决视图间差异并揭示不同视图的依赖关系；进而在公共子空间中通过统一采样策略将计算复杂度降至线性时间开销（阶段2），随后基于锚点进行子空间聚类以集体学习二部图（阶段3）。在公开基准数据集上的大量实验结果表明，我们所提模型一致优于当前最优技术。
引用
@article{arxiv.2310.07166,
title = {Anchor-based Multi-view Subspace Clustering with Hierarchical Feature Descent},
author = {Qiyuan Ou and Siwei Wang and Pei Zhang and Sihang Zhou and En Zhu},
journal= {arXiv preprint arXiv:2310.07166},
year = {2024}
}