信息恢复驱动的深度不完整多视图聚类网络
计算机视觉与模式识别
2024-01-19 v5
摘要
不完整多视图聚类是一个热门且新兴的课题。众所周知，不可避免的数据不完整极大削弱了多视图数据的有效信息。迄今，现有不完整多视图聚类方法通常依据先验缺失信息绕过不可用视图，这被视为基于回避的次优方案。其他试图恢复缺失信息的方法大多适用于特定的双视图数据集。为解决这些问题，本文提出一种信息恢复驱动的深度不完整多视图聚类网络，称为RecFormer。具体地，构建带有自注意力结构的两阶段自编码器网络，以同步提取多视图高层语义表征并恢复缺失数据。此外，我们设计一种循环图重建机制，巧妙利用已恢复视图来促进表征学习与进一步的数据重建。给出了恢复结果的可视化，充分实验结果表明我们的RecFormer相较其他顶尖方法具有明显优势。
引用
@article{arxiv.2304.00429,
title = {Information Recovery-Driven Deep Incomplete Multiview Clustering Network},
author = {Chengliang Liu and Jie Wen and Zhihao Wu and Xiaoling Luo and Chao Huang and Yong Xu},
journal= {arXiv preprint arXiv:2304.00429},
year = {2024}
}
备注
Accepted by TNNLS 2023. Please contact me if you have any questions: [email protected]. The code is available at: https://github.com/justsmart/RecFormer