面向不完整视图的快速持续多视图聚类
机器学习
2023-06-06 v1 人工智能
摘要
多视图聚类(MVC)因能利用各视图间一致且互补的信息而广受关注。本文关注 MVC 中一个具挑战性的问题，称为不完整持续数据问题(ICDP)。具体而言，多数现有算法假定视图预先可得，并忽视了视图数据观测随时间累积的场景。出于隐私考量或内存限制，先前视图在这些情况下无法被存储。已有若干工作试图处理该问题，但均未能应对不完整视图。MVC 中此类不完整持续数据问题(ICDP)难以求解，因为持续数据伴随的不完整信息增加了提取视图间一致与互补知识的难度。我们提出面向不完整视图的快速持续多视图聚类(FCMVC-IV)以解决之。具体地，它维护一个共识系数矩阵，并利用新到达的不完整视图更新知识，而非存储并重新计算所有数据矩阵。考虑到视图不完整，新收集的视图可能包含尚未出现的样本；我们设计了两个指示矩阵与一个旋转矩阵以匹配不同维度的矩阵。此外，我们设计了一个三步迭代算法，以线性复杂度求解所得问题并具有可证明的收敛性。在多个数据集上的综合实验显示了 FCMVC-IV 的优越性。
引用
@article{arxiv.2306.02389,
title = {Fast Continual Multi-View Clustering with Incomplete Views},
author = {Xinhang Wan and Bin Xiao and Xinwang Liu and Jiyuan Liu and Weixuan Liang and En Zhu},
journal= {arXiv preprint arXiv:2306.02389},
year = {2023}
}