典型文献
CMvSC:知识迁移下的深度一致性多视图谱聚类网络
文献摘要：
谱聚类是聚类分析中极具代表性的方法之一,由于其对数据结构没有太多假设要求,受到了研究者们的广泛关注.但传统的谱聚类算法通常受到谱嵌入的可扩展性和泛化性的限制,即:无法应对大规模设置和复杂数据分布.为克服以上缺陷,旨在引入深度学习框架提升谱聚类的泛化能力与可扩展能力,同时,结合多视图学习挖掘数据样本的多样性特征,从而提出一种知识迁移下的深度一致性多视图谱聚类网络(CMvSC).首先,考虑到单个视图的局部不变性,CMvSC采用局部学习层独立学习每个视图的特有嵌入;其次,由于多视图具有全局一致性,CMvSC引入全局学习层进行参数共享与特征迁移,学习多视图间的共享嵌入;同时,考虑到邻接矩阵对谱聚类性能的重要影响,CMvSC通过训练孪生网络和设计对比损失来学习成对数据间的近邻关系,以替代传统谱聚类算法中的距离度量;最后,4个数据集上的实验结果证明了CMvSC对多视图谱聚类任务的有效性.
文献关键词：
谱嵌入;近邻学习;知识迁移;多视图聚类;深度聚类
中图分类号：
作者姓名：
张熠玲;杨燕;周威;欧阳小草;胡节
作者机构：
西南交通大学 计算机与人工智能学院, 四川 成都 611756
文献出处：
引用格式：
[1]张熠玲;杨燕;周威;欧阳小草;胡节-.CMvSC:知识迁移下的深度一致性多视图谱聚类网络)[J].软件学报,2022(04):1373-1389
A类：
CMvSC
B类：
知识迁移,移下,图谱聚类,聚类网络,数据结构,太多,多假设,谱嵌入,可扩展性,泛化性,复杂数据,数据分布,深度学习框架,泛化能力,多视图学习,多样性特征,不变性,局部学习,独立学习,全局一致性,全局学习,层进,参数共享,特征迁移,邻接矩阵,孪生网络,设计对比,对比损失,成对数据,近邻关系,传统谱聚类算法,距离度量,近邻学习,多视图聚类,深度聚类
AB值：
0.34681
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
