基于转移概率的一步多视图聚类
机器学习
2024-03-05 v1
摘要
基于锚图的大规模多视图聚类算法近年来展现出良好的性能和效率，并得到了广泛探索。尽管取得了成功，但现有方法在聚类过程中缺乏可解释性，且未能充分考虑不同视图间的互补信息。为解决这些不足，我们提出了基于转移概率的一步多视图聚类（OSMVC-TP）。该方法采用概率方法，利用锚图表示从样本到锚点的转移概率。我们的方法直接学习从锚点到类别的转移概率，并计算从样本到类别的转移概率，从而获得样本和锚点的软标签矩阵，增强了聚类的可解释性。此外，为保持不同视图间标签的一致性，我们对软标签构成的张量施加Schatten p-范数约束。该方法有效利用了视图间的互补信息。大量实验证实了OSMVC-TP的有效性和鲁棒性。
引用
@article{arxiv.2403.01460,
title = {One-Step Multi-View Clustering Based on Transition Probability},
author = {Wenhui Zhao and Quanxue Gao and Guangfei Li and Cheng Deng and Ming Yang},
journal= {arXiv preprint arXiv:2403.01460},
year = {2024}
}
备注
8 pages