显式视图标签至关重要：多视图聚类的多面互补性研究
机器学习
2024-12-23 v3 计算机视觉与模式识别
摘要
一致性与互补性是提升多视图聚类（MVC）的两个关键要素。近来随着流行对比学习的引入，视图的一致性学习在 MVC 中得到了进一步增强，取得了令人瞩目的性能。然而相比之下，除特征面外，互补性未受到充分关注，其中通常采用 Hilbert Schmidt 独立性准则项或独立编码器-解码器网络来捕获视图特有信息。这促使我们在保持视图一致性的同时，从特征面、视图标签面与对比面等多个面全面重新审视视图的互补性学习。我们通过实验发现所有面均有助于互补性学习，尤其是通常被现有方法忽视的视图标签面。基于此，我们自然提出了一种简单而有效的多视图聚类多面互补性学习框架（MCMVC），其融合多面互补性信息，特别是显式嵌入视图标签信息。据我们所知，这是首次显式使用视图标签来引导视图的互补性学习。与 SOTA 基线相比，MCMVC 取得了显著改进，例如在 Caltech101-20 上完整与不完整 MVC 设定下，按三种评价指标平均分别超出 与 。
引用
@article{arxiv.2205.02507,
title = {Explicit View-labels Matter: A Multifacet Complementarity Study of Multi-view Clustering},
author = {Chuanxing Geng and Aiyang Han and Songcan Chen},
journal= {arXiv preprint arXiv:2205.02507},
year = {2024}
}
备注
The first two authors contributed equally to this work. Accepted by IEEE TPAMI2024