基于压缩子空间的一步式晚期融合多视图聚类
计算机视觉与模式识别
2024-05-29 v3
摘要
晚期融合多视图聚类（LFMVC）凭借其卓越的计算速度和聚类性能，已成为多视图聚类（MVC）领域快速增长的一类方法。现有晚期融合方法面临的一个瓶颈是，它们通常与平均核函数对齐，这使得聚类性能高度依赖于数据集的质量。另一个问题是，它们在获得共识划分矩阵后需要后续的 k-means 聚类以获取最终的离散标签，这种标签学习与簇结构优化过程的分离限制了这些模型的完整性。为解决上述问题，我们提出了一种名为“基于压缩子空间的一步式晚期融合多视图聚类”（OS-LFMVC-CS）的集成框架。具体而言，我们利用共识子空间在对齐划分矩阵的同时优化划分融合，并利用融合后的划分矩阵指导离散标签的学习。我们提出了一种具有验证收敛性的六步迭代优化方法。在多个数据集上的充分实验验证了所提方法的有效性和高效性。
引用
@article{arxiv.2401.01558,
title = {One-Step Late Fusion Multi-view Clustering with Compressed Subspace},
author = {Qiyuan Ou and Pei Zhang and Sihang Zhou and En Zhu},
journal= {arXiv preprint arXiv:2401.01558},
year = {2024}
}
备注
Accepted by ICASSP2024