基于扩散补全的不完整多视图聚类
机器学习
2023-05-22 v1 人工智能
摘要
不完整多视图聚类是一项具有挑战性且非平凡的任务，旨在为现实世界中大量无标签数据提供有效的数据分析。所有不完整多视图聚类方法都需要解决如何降低缺失视图影响的问题。为此，我们提出扩散补全来恢复缺失视图，并将其整合进一个不完整多视图聚类框架中。基于可观测视图信息，利用扩散模型恢复缺失视图，随后通过对比学习学习多视图数据的一致性信息以提升多视图聚类性能。据我们所知，这可能是首个将扩散模型引入不完整多视图聚类框架的工作。实验结果表明，所提方法在恢复缺失视图方面表现良好，同时相比最先进方法取得了更优的聚类性能。
引用
@article{arxiv.2305.11489,
title = {Incomplete Multi-view Clustering via Diffusion Completion},
author = {Sifan Fang},
journal= {arXiv preprint arXiv:2305.11489},
year = {2023}
}