无需预定义聚类数k的图聚类掩码自编码器
机器学习
2024-01-11 v1
摘要
具有自编码器结构的图聚类算法因其高效的性能和低廉的训练成本，近年来受到广泛欢迎。然而，对于现有的基于GCN或GAT的图自编码器聚类算法，不仅缺乏良好的泛化能力，而且此类自编码器模型聚类的簇数也难以自动确定。为解决这一问题，我们提出了一种名为图聚类掩码自编码器（GCMA）的新框架。它采用我们设计的基于图掩码方法的融合自编码器进行图的融合编码。它引入了我们改进的基于密度的聚类算法作为第二解码器，同时进行多目标重建解码。通过对掩码嵌入的解码，我们的模型能够捕获更泛化、更全面的知识。簇数和聚类结果可以端到端输出，同时提高了泛化能力。作为一种非参数类方法，大量实验证明了GCMA相较于最先进基线的优越性。
引用
@article{arxiv.2401.04741,
title = {Masked AutoEncoder for Graph Clustering without Pre-defined Cluster Number k},
author = {Yuanchi Ma and Hui He and Zhongxiang Lei and Zhendong Niu},
journal= {arXiv preprint arXiv:2401.04741},
year = {2024}
}