基于多视图语义一致性的信息瓶颈聚类
机器学习
2023-03-02 v1 人工智能
摘要
多视图聚类可利用多源信息进行无监督聚类。大多数现有方法侧重于学习融合表示矩阵，而忽略了私有信息和噪声的影响。为解决此局限，我们提出一种新颖的基于多视图语义一致性的信息瓶颈聚类方法（MSCIB）。具体而言，MSCIB 追求语义一致性以改善不同视图的信息瓶颈学习过程。它在语义空间中对多视图执行对齐操作，并联合获取多视图数据中有价值的一致信息。以此方式，从多视图数据学到的语义一致性可改善信息瓶颈，以更准确地区分一致信息并学习具有更具判别性一致信息的统一特征表示用于聚类。在各类多视图数据集上的实验表明，MSCIB 取得了最先进的性能。
引用
@article{arxiv.2303.00002,
title = {Multi-view Semantic Consistency based Information Bottleneck for Clustering},
author = {Wenbiao Yan and Jihua Zhu and Yiyang Zhou and Yifei Wang and Qinghai Zheng},
journal= {arXiv preprint arXiv:2303.00002},
year = {2023}
}
备注
9 pages, 4 figures, conference