对比学习引导的混合注意力多视图聚类方法OA
多视图聚类旨在利用不同视图间的一致性与互补性信息,将多视图数据划分为不同簇.现有的多视图聚类方法存在两个不足,一是视图内冗余特征与噪声的干扰,二是视图间语义对齐不足.为此,提出了一种对比学习引导的混合注意力多视图聚类方法(CAMVC).首先,构建通道与空间注意力串联协作的混合注意力模块,从通道与空间维度实现视图内特征的分层增强;然后,通过跨视图对比学习约束不同视图潜在表征的分布一致性,强化语义对齐;最后,基于学习到的兼具判别性与一致性的多视图表征,借助离散潜在变量完成聚类分配.在六个公共多视图数据集上的实验结果表明,CAMVC在准确度(ACC)、归一化互信息(NMI)和纯度(PUR)等多个聚类评价指标上均表现出优异的性能.
刘雨琴;黄成泉;文弦;蒋丽;周世伟;周丽华
贵州民族大学数据科学与信息工程学院,贵州贵阳550025贵州民族大学工程技术人才实践训练中心,贵州贵阳550025贵州民族大学数据科学与信息工程学院,贵州贵阳550025贵州民族大学数据科学与信息工程学院,贵州贵阳550025贵州民族大学数据科学与信息工程学院,贵州贵阳550025贵州民族大学数据科学与信息工程学院,贵州贵阳550025
信息技术与安全科学
多视图聚类对比学习混合注意力变分自编码器一致性和互补性
《陕西科技大学学报》 2026 (4)
P.222-232,11
国家自然科学基金项目(62062024,82260646)贵州省科技计划项目(黔科合基础-ZK[2024]一般500)。
评论