-
题名基于二部图和一致图学习的多视图聚类算法
- 1
-
-
作者
李顺勇
刘坤
曹利娜
赵兴旺
-
机构
山西大学数学与统计学院
复杂系统与数据科学教育部重点实验室(山西大学)
山西大学计算机与信息技术学院
计算智能与中文信息处理教育部重点实验室(山西大学)
-
出处
《计算机应用》
北大核心
2025年第11期3583-3592,共10页
-
基金
国家自然科学基金资助项目(82274360)
山西省基础研究计划项目(202303021221054,202403021211086)
山西省回国留学人员科研项目(2024-002)。
-
文摘
目前大多数多视图聚类算法存在融合机制不够完善、对多视图协同关系挖掘不足以及鲁棒性较弱等问题,导致聚类结果一致性偏低,且在噪声和冗余信息下的性能不够稳健。针对上述问题,提出一种基于二部图和一致图学习的多视图聚类算法(BGC-MVC),旨在通过融合各视图信息来提升聚类的一致性和互补性。该算法通过构造二部图以捕获不同视图之间的邻域关系,并通过学习一致性图强化视图间的相似性。它将原始多视图数据的嵌入整合进一个统一的框架中,结合了图学习与聚类过程,从而能提高聚类的整体效果。实验结果表明,BGC-MVC在满足收敛性条件下的准确度、F-score、归一化互信息(NMI)和纯度均有明显的提升。其中,在MSRC_v1数据集上的F-score比LMVSC(Large-scale Multi-View Subspace Clustering)算法提高了19.48个百分点,并且表现出更强的鲁棒性与准确度。
-
关键词
多视图聚类
二部图
一致图
图融合
嵌入学习
-
Keywords
multi-view clustering
bipartite graph
consensus graph
graph fusion
embedding learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名融合局部和全局特征的深度多视图聚类网络
- 2
-
-
作者
李顺勇
李嘉茗
曹付元
郑孟蛟
-
机构
山西大学数学与统计学院
复杂系统与数据科学教育部重点实验室(山西大学)
山西大学计算机与信息技术学院
计算智能与中文信息处理教育部重点实验室(山西大学)
-
出处
《计算机科学与探索》
北大核心
2025年第8期2085-2098,共14页
-
基金
国家自然科学基金(62376145,82274360)
山西省基础研究计划(202303021221054)
山西省回国留学人员科研资助项目(2024-002)。
-
文摘
多视图聚类是当前数据分析领域的一个重要研究方向,旨在通过整合来自不同视角的数据,提升聚类精度。然而,传统的多视图聚类方法虽然在一定程度上提高了聚类效果,但往往忽略了视图间局部与全局特征的交互与融合。此外,尽管近年提出的多视图深度聚类方法,通过深度神经网络或对比学习增强了表征能力,但大多只关注局部或全局特征,未能在同一框架下对这两类特征进行综合处理。针对这些不足,提出了一种融合卷积神经网络与Transformer的深度多视图聚类模型(DMVCN-ILGF)。该模型设计了并行的卷积分支和Transformer分支,分别用于提取局部特征和全局特征。为了实现特征的有效融合,引入了特征交互机制(FIM)和特征融合模块(FFM),通过充分整合各视图的特征信息,以增强不同特征的交互和融合,最终提升聚类性能。进一步地,还设计了实例级和类别级对比损失,分别计算各视图的局部与全局特征之间的相似性,从而优化模型的表征能力和聚类效果。实验结果表明,提出的DMVCN-ILGF模型在多个多视图数据集上均取得了显著优于现有方法的聚类性能。
-
关键词
多视图聚类
卷积神经网络
TRANSFORMER
特征融合
-
Keywords
multi-view clustering
convolutional neural networks
Transformer
feature fusion
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
