-
题名基于跨结构特征选择和图循环自适应学习的多视图聚类
被引量：1
- 1
-
-
作者
辛永杰
蔡江辉
贺艳婷
苏美红
史晨辉
杨海峰
-
机构
太原科技大学计算机科学与技术学院
山西省大数据分析和并行计算重点实验室
中北大学计算机科学与技术学院
-
出处
《计算机科学》
北大核心
2025年第2期145-157,共13页
-
基金
国家自然科学基金(U1931209)
山西省科技合作与交流项目(202204041101037,202204041101033)
太原科技大学研究生教育创新项目(BY2023015)。
-
文摘
现有的大多数图自适应学习方法依赖于高维原始数据,且数据中不可避免地会出现噪声或信息缺失等现象,导致无法精准地选择出高维数据中的重要特征信息。此外,还忽视了在特征选择过程中多视图表示结构上的关联性。针对以上问题,提出了一种基于跨结构特征选择和图循环自适应学习的多视图聚类方法(MLFS-GCA)。首先,设计了一个跨结构特征选择框架。通过联合学习多视图表示的空间结构特点和聚类结构的一致性,将高维数据投影到低维线性子空间中,并在视图特定的基矩阵和一致性聚类结构的辅助下学习低维特征表示。其次,提出图循环自适应学习模块。通过k最邻近法(k-NN)选取投影空间中k个最近邻点,并协同矩阵低秩学习来循环地优化相似结构。最后,学习得到用于聚类任务的共享稀疏相似矩阵。通过在各种真实的多视图数据集上进行大量实验,验证了在多视图聚类中图循环自适应学习的优越性。
-
关键词
多视图聚类
图循环自适应学习
跨结构特征选择
K-NN
矩阵低秩学习
-
Keywords
Multi-view clustering
Graph cycle adaptive learning
Cross-structural feature selection
k-NN
Matrix low-rank learning
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
