×
马玄龙;严雪明;刘景发;钟、郭

多视图数据的同时多图学习和聚类。 （英语） Zbl 07800166号

信息科学。 593, 472-487 (2022).
摘要：随着实际应用中的许多数据以多视图的形式出现或排列，利用不同视图中的某些互补和异构信息来提高聚类性能的多视图聚类近年来受到了广泛关注。在各种方法中，基于图的无监督学习方法是学习多视图数据内在结构关系进行聚类的基本方法。大多数方法首先将每个视图的信息集成到一致图中，然后将一致图输入经典谱聚类中以实现聚类。即使每一步都进行单独的优化，这种两步聚类模式也很难获得最佳聚类结果。本文将多图构造、一致图构造和聚类集成在一个统一的学习框架中，可以同时考虑多视图数据的一致性和互补性，从而直接提供聚类结果。此外，我们通过自动权重学习对每个视图进行不同的处理。具体来说，多图学习、共识图学习和权重学习无缝集成，以便相关变量可以在统一的优化框架中迭代更新，从而使聚类结果达到整体最优。在真实多视图数据集上的综合实验验证了该方法在三个聚类评估指标方面优于其他最先进的基线。

MSC公司：

68T05年 人工智能中的学习和自适应系统
62H30型 分类和区分；聚类分析（统计方面）
68兰特 计算机科学中的图论（包括图形绘制）
68T09号 数据分析和大数据的计算方面

关键词：

共识图学习;多视图聚类;多图融合

软件：

t-SNE公司
PDF格式BibTeX公司 XML格式引用
\textit{X.Ma}等人，《信息科学》。593472-487（2022；Zbl 07800166）
全文： 内政部

参考文献：

[1] 吕，J。；康，Z。；王，B。；纪磊。；Xu，Z.，基于分区融合的多视点子空间聚类，信息科学。，560, 410-423 (2021)
[2] 马，J。；Zhang，Y。；Zhang，L.，用于多视点数据聚类的判别子空间矩阵分解，模式识别。，111，第107676条，第（2021）页
[3] Zhao，N。；张，L。；杜，B。；张，Q。；你，J。；Tao，D.，带自适应流形正则化的鲁棒对偶聚类，IEEE Trans。知识。数据工程，29，11，2498-2509（2017）
[4] Holzinger，A。；Malle，B。；Saranti，A。；Pfeifer，B.，《利用图形神经网络实现可解释人工智能信息融合的多模态因果关系》，《信息融合》，71，28-37（2021）
[5] Von Luxburg，U.，《光谱聚类教程》，统计计算。，17, 4, 395-416 (2007)
[6] 潘，E。；Kang，Z.，多视图对比图聚类，第三十五届神经信息处理系统会议（2021年）
[7] 林，Z。；康，Z。；张，L。；Tian，L.，多视图属性图聚类，IEEE Trans。知识。数据工程（2021），1-1
[8] 赵，G。；Sun，S。；Bi，J.，《多视图聚类调查》，IEEE Trans。Artif公司。智力。，2, 2, 146-168 (2021)
[9] 任，Z。；Lei，H。；孙，Q。；Yang，C.，多核聚类的同时学习系数矩阵和亲和图，Inf.Sci。，547, 289-306 (2021) ·Zbl 1475.68293号
[10] 景，P。；苏，Y。；Li，Z。；Nie，L.，学习多视图聚类的鲁棒亲和图表示，信息科学。，544, 155-167 (2021) ·Zbl 1475.68276号
[11] A.Kumar，H.Daumé，《多视角光谱聚类的联合训练方法》，载于：第28届机器学习国际会议论文集（ICML-11），Citeser，2011年，第393-400页。
[12] R.Xia，Y.Pan，L.Du，J.Yin，通过低秩和稀疏分解实现稳健多视图光谱聚类，载于：《AAAI人工智能会议论文集》，第28卷，2014年。
[13] 高，H。；聂，F。；李，X。；Huang，H.，多视点子空间聚类，（IEEE计算机视觉国际会议论文集（2015）），4238-4246
[14] X.Cai，F.Nie，H.Huang，F.Kamangar，通过多模态谱聚类进行异构图像特征集成，收录于：CVPR 2011，IEEE，2011，第1977-1984页。
[15] 聂，F。；Li，J.等人。；Li，X.，无参数自动加权多图学习：多视图聚类和半监督分类的框架，IJCAI，1881-1887（2016）
[16] 康，Z。；Shi，G。；黄，S。；Chen，W。；Pu，X。；Zhou，J.T。；Xu，Z.，多视图光谱聚类的多粒度融合，Knowl-基于系统。，189，第105102条pp.（2020）
[17] 王，X。；雷，Z。；郭，X。；张，C。；Shi，H。；Li，S.Z.，具有完整软件相似性的多视点子空间聚类，模式识别。，88, 50-63 (2019)
[18] 聂，F。；蔡，G。；Li，X.，带自适应邻域的多视图聚类和半监督分类，（第三十一届AAAI人工智能会议（2017））
[19] 聂，F。；蔡，G。；Li，J.等人。；Li，X.，用于图像聚类和半监督分类的自动加权多视图学习，IEEE Trans。图像处理。，27, 3, 1501-1511 (2018) ·Zbl 1409.94460号
[20] 王，R。；聂，F。；王，Z。；胡，H。；Li，X.，带结构图学习的无参数加权多视图投影聚类，IEEE Trans。知识。数据工程，32，10，2014-2025（2020）
[21] 詹，K。；聂，F。；Wang，J。；Yang，Y.，多视图一致图聚类，IEEE Trans。图像处理。，21261-1270年3月28日（2019年）
[22] 钟，G。；Pun，C.-M.，子空间聚类的具有固定秩约束的非负自我呈现，Inf.Sci。，518127-141（2020）·Zbl 1462.62398号
[23] 林，S.-X。；钟，G。；Shu，T.，同时学习多视图子空间聚类的特征加权和局部结构，Knowl-基于系统。，第205条，第106280页（2020年）
[24] 钟，G。；Pun，C.-M.，用于多模态聚类的潜在低阶图学习，（2021年IEEE第37届国际数据工程会议（ICDE）（2021）），492-503
[25] 尹，M。；谢S。；吴，Z。；Zhang，Y。；Gao，J.，通过学习自适应低秩图进行子空间聚类，IEEE Trans。图像处理。，27, 8, 3716-3728 (2018) ·Zbl 1409.94717号
[26] Wen，J。；张，Z。；张，Z。；费，L。；Wang，M.，具有灵活局部结构扩散的广义不完全多视图聚类，IEEE Trans。赛博。，51, 1, 101-114 (2021)
[27] 贝尔金，M。；Niyogi，P.，用于降维和数据表示的拉普拉斯特征映射，神经计算。，15, 6, 1373-1396 (2003) ·Zbl 1085.68119号
[28] 钟，G。；Pun，C.-M.，联合超图嵌入和稀疏编码的数据表示，IEEE Trans。知识。数据工程，1（2020）
[29] Pang，Y。；谢军。；聂，F。；Li，X.，联合谱嵌入和谱旋转的谱聚类，IEEE Trans。赛博。，50, 1, 247-258 (2018)
[30] S.Ma，L.Zhang，W.Hu，Y.Zhang、J.Wu，X.Li，带自适应邻域的自代表流形概念因式分解用于聚类，收录于：IJCAI国际人工智能联合会议，2018年。
[31] 王，X.-D。；陈，R.-C。；曾振庆。；洪朝清。；Yan，F.，带局部自适应学习的聚类鲁棒降维，IEEE Trans。神经网络学习。系统。，30, 3, 657-669 (2018)
[32] 康，Z。；潘，H。；海，S.C。；Xu，Z.，从噪声数据中鲁棒图学习，IEEE Trans。赛博。，50, 5, 1833-1843 (2019)
[33] 裴，X。；陈，C。；Gong，W.，文档聚类的自适应邻域概念分解，IEEE Trans。神经网络学习。系统。，29, 2, 343-352 (2018)
[34] 胡，Z。；聂，F。；Chang，W。；郝S。；王，R。；Li，X.，通过稀疏图学习的多视图光谱聚类，神经计算，384，1-10（2020）
[35] 王，R。；聂，F。；王，Z。；胡，H。；Li，X.，带结构图学习的无参数加权多视图投影聚类，IEEE Trans。知识。数据工程，32，10，2014-2025（2019）
[36] Fan，K.，关于weyl关于线性变换本征值的一个定理，Proc。国家。阿卡德。科学。美国，3511652（1949年）·Zbl 0041.00602号
[37] 博伊德，S。；博伊德，S.P。；Vandenberghe，L.，《凸优化》（2004），剑桥大学出版社·Zbl 1058.90049号
[38] Adby，P.，优化方法导论（2013），施普林格科学与商业媒体·Zbl 0351.90054号
[39] 黄，J。；聂，F。；Huang，H.，用于测量聚类数据相似性的新型单纯形稀疏学习模型，（第二十届国际人工智能联合会议（2015））
[40] Z.Kang，W.Zhou，Z.Zhao，J.Shao，M.Han，Z.Xu，线性时间内的大尺度多视点子空间聚类，收录于：《AAAI人工智能会议论文集》，第34卷，2020年，第4412-4419页。
[41] Kuhn，H.W.，分配问题的匈牙利方法，海军研究后勤。问，2，1-2，83-97（1955）·Zbl 0143.41905号
[42] 詹，K。；史J。；Wang，J。；Wang，H。；Xie，Y.，多视图聚类的自适应结构概念分解，神经计算。，30, 4, 1080-1103 (2018) ·Zbl 1472.68168号
[43] 康，Z。；林，Z。；朱，X。；Xu，W.，《可伸缩子空间聚类的结构化图学习：从单视图到多视图》，IEEE Trans。赛博。，1-11 (2021)
[44] 范德马滕，L。；Hinton，G.，《使用t-sne可视化数据》，J.Mach。学习。第9、11号决议（2008年）·Zbl 1225.68219号
[45] Bezdek，J.C。；海瑟薇，R.J.，交替优化的收敛性，神经并行科学计算。，11, 4, 351-368 (2003) ·Zbl 1063.90051号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。