用于探索多样性与一致性信息的非对称双翼多视图聚类网络
计算机视觉与模式识别
2023-09-04 v1
摘要
在无监督场景下，深度对比多视图聚类（DCMVC）正成为研究热点，其旨在挖掘不同视图间的潜在关系。现有大多数 DCMVC 算法侧重于探索深度语义特征的一致性信息，而忽略了浅层特征上的多样性信息。为弥补这一不足，本文提出一种称为 CodingNet 的新型多视图聚类网络，以同时探索多样性与一致性信息。具体而言，我们未采用传统的自编码器，而是设计了一种非对称结构网络，分别提取浅层与深层特征。随后，通过将浅层特征上的相似度矩阵对齐至零矩阵，我们确保了浅层特征的多样性，从而更好地描述多视图数据。此外，我们提出了一种双重对比机制，在视图-特征与伪标签两个层面上保持深层特征的一致性。我们在六个广泛使用的基准数据集上进行了大量实验，验证了框架的有效性，其性能优于大多数最先进的多视图聚类算法。
引用
@article{arxiv.2309.00474,
title = {Asymmetric double-winged multi-view clustering network for exploring Diverse and Consistent Information},
author = {Qun Zheng and Xihong Yang and Siwei Wang and Xinru An and Qi Liu},
journal= {arXiv preprint arXiv:2309.00474},
year = {2023}
}