语义特征引导的深度对比多视图聚类
计算机视觉与模式识别
2024-03-12 v1 多媒体
摘要
近年来，对比学习在多视图聚类领域取得了可喜的性能。然而，忽略语义一致性的正负样本构建机制会导致假负样本对，限制了现有算法性能的进一步提升。为了解决这个问题，我们提出了一种名为语义特征引导的深度对比多视图聚类（DCMCS）的多视图聚类框架，以减轻假负样本对的影响。具体而言，首先从原始特征中提取特定视图特征，并根据视图重要性进行融合以获得融合视图特征。为了减轻视图私有信息的干扰，通过聚类级对比学习学习特定视图和融合视图语义特征，并将其拼接以度量实例的语义相似度。通过最小化由语义相似度加权的实例级对比损失，DCMCS 自适应地削弱了假负样本对之间的对比学习。在几个公共数据集上的实验结果表明，所提出的框架优于最先进的方法。
引用
@article{arxiv.2403.05768,
title = {Deep Contrastive Multi-view Clustering under Semantic Feature Guidance},
author = {Siwen Liu and Jinyan Liu and Hanning Yuan and Qi Li and Jing Geng and Ziqiang Yuan and Huaxu Han},
journal= {arXiv preprint arXiv:2403.05768},
year = {2024}
}