面向多视图聚类的具潜在簇约束锚学习方法
计算机视觉与模式识别
2024-12-24 v1
摘要
锚点基准多视图聚类（MVC）因其高效性能而受到广泛关注。现有方法仅关注如何从原始数据中动态学习锚点并构建描述样本与锚点之间关系的锚点图，同时忽略了锚点的现实问题，即高质量锚点应从数据不同簇中均匀生成，而非散落在簇之外。在解决这一问题后，我们提出了一种名为具潜在簇约束锚学习（Anchor Learning with Potential Cluster Constraints, ALPC）的方法。具体而言，ALPC首先建立共享潜在语义模块以约束锚点从特定簇中生成，其次，ALPC通过适应锚点图来捕获来自样本和锚点的共同聚类质心，从而提高锚点的代表性和判别性。最后，ALPC将锚点学习和图构建整合到一个统一的框架中进行协作学习和相互优化，以提高聚类性能。广泛的实验表明，我们所提出的方法在某些最先进（SOTA）MVC方法之上表现出色。我们的源代码已公开：https://github.com/whbdmu/ALPC。
引用
@article{arxiv.2412.16519,
title = {Anchor Learning with Potential Cluster Constraints for Multi-view Clustering},
author = {Yawei Chen and Huibing Wang and Jinjia Peng and Yang Wang},
journal= {arXiv preprint arXiv:2412.16519},
year = {2024}
}