基于张量图卷积的多视图聚类

摘要：

针对多视图聚类进行的数据表示学习,通常采用浅层模型与线性函数实现数据嵌入,该方式无法有效挖掘多种视图间丰富的数据关系.为充分表示不同视图间的一致性信息与互补性信息,本文提出基于张量图卷积的多视图聚类方法(TGCNMC).该方法首先将传统的平面图拼接为张量图,并采用张量图卷积学习各视图中数据的近邻结构;接着利用图间卷积进行多视图间的信息传递,从而捕获多视图数据间的协同作用,揭示多视图数据中的一致性与互补性信息;最后采用自监督方式进行数据聚类.通过在标准数据集上进行的广泛实验,聚类效果优于现有的方法,表明该方法可以更全面的描述多视图数据、更有效地挖掘视图间的关系并具有更好的处理下游聚类任务的能力.

关键词：图卷积神经网络、多视图学习、聚类、深度学习、机器学习

所属期刊栏目：31

分类号：TP391.41;TP18;O157.5

资助基金：西安市科技计划2020KJRC0027

在线出版日期：2022-04-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：296-302