PROTOCOL：用于不平衡多视图聚类的部分最优传输增强对比学习
机器学习
2025-06-17 v1 机器学习
摘要
虽然对比多视图聚类已取得显著成功，但其隐含假设了类别分布平衡。然而，真实世界的多视图数据主要呈现类别不平衡分布。因此，现有方法由于无法感知和建模这种不平衡而出现性能退化。为应对这一挑战，我们对不平衡多视图聚类进行了首次系统性研究，聚焦于两个基本问题：i. 感知类别不平衡分布，ii. 缓解少数样本的表示退化。我们提出PROTOCOL，一种新颖的部分最优传输增强对比学习框架，用于不平衡多视图聚类。首先，为进行类别不平衡感知，我们将多视图特征映射到共识空间，并将不平衡聚类重新表述为部分最优传输问题，辅以渐进质量约束和加权KL散度以刻画类别分布。其次，我们在特征层和类别层开发了最优传输增强的类别重平衡对比学习，引入逻辑调整和类别敏感学习以增强少数样本的表示。大量实验证明，PROTOCOL显著提升了不平衡多视图数据上的聚类性能，填补了该领域的关键研究空白。
引用
@article{arxiv.2506.12408,
title = {PROTOCOL: Partial Optimal Transport-enhanced Contrastive Learning for Imbalanced Multi-view Clustering},
author = {Xuqian Xue and Yiming Lei and Qi Cai and Hongming Shan and Junping Zhang},
journal= {arXiv preprint arXiv:2506.12408},
year = {2025}
}
备注
15 pages, 7 figures, accepted by the Forty-Second International Conference on Machine Learning