基于跨视图关系迁移的不完整多视图聚类
机器学习
2022-11-11 v1 计算机视觉与模式识别
摘要
本文研究不完整视图上的多视图聚类问题。与完整多视图聚类相比，视图缺失问题增加了从不同视图中学习公共表示的难度。为应对该挑战，我们提出一种新颖的不完整多视图聚类框架，其融合了跨视图关系迁移与多视图融合学习。具体而言，基于多视图数据中存在的的一致性，我们设计了一个基于跨视图关系迁移的补全模块，该模块将已知相似的实例间关系迁移至缺失视图，并基于迁移得到的关系图通过图网络恢复缺失数据。随后设计视图特定编码器来提取恢复后的多视图数据，并引入基于注意力的融合层以获得公共表示。此外，为减小视图间不一致所引起的误差影响并获得更好的聚类结构，引入联合聚类层来同时优化恢复与聚类。在多个真实数据集上进行的广泛实验证明了所提方法的有效性。
引用
@article{arxiv.2112.00739,
title = {Incomplete Multi-view Clustering via Cross-view Relation Transfer},
author = {Yiming Wang and Dongxia Chang and Zhiqiang Fu and Yao Zhao},
journal= {arXiv preprint arXiv:2112.00739},
year = {2022}
}