Discriminative Anchor Learning for Efficient Multi-view Clustering

要約

マルチビュー クラスタリングは、複数のビューにわたる相補的な情報を研究し、基礎となる構造を発見することを目的としています。
既存のアプローチの比較的高い計算コストを解決するために、最近、アンカーに基づく研究が発表されています。
クラスタリングのパフォーマンスが許容範囲内であっても、これらの方法は、元のデータセットに基づいて、複数のビューからの元の表現を固定の共有グラフにマッピングする傾向があります。
しかし、ほとんどの研究は学習されたアンカーの識別特性を無視しており、構築されたモデルの表現能力を台無しにしています。
さらに、ビューにまたがるアンカー間の補完情報は、ビュー固有のアンカーの品質を考慮せずに共有アンカー グラフを単に学習することによって確保されることが無視されます。
本稿では、上記の問題を解決するために、マルチビュークラスタリングのための識別アンカー学習（DALMC）を提案します。
元のデータセットに従って識別的なビュー固有の特徴表現を学習し、これらの表現に基づいてさまざまなビューからアンカーを構築することで、共有アンカー グラフの品質が向上します。
識別特徴学習とコンセンサスアンカーグラフ構築は統一フレームワークに統合され、相互に改善し改良を実現します。
複数のビューからの最適なアンカーとコンセンサス アンカー グラフは、直交制約を使用して学習されます。
定式化された問題に対処するための反復アルゴリズムを提供します。
さまざまなデータセットに対する広範な実験により、他の方法と比較した私たちの方法の有効性と効率が示されています。

要約(オリジナル)

Multi-view clustering aims to study the complementary information across views and discover the underlying structure. For solving the relatively high computational cost for the existing approaches, works based on anchor have been presented recently. Even with acceptable clustering performance, these methods tend to map the original representation from multiple views into a fixed shared graph based on the original dataset. However, most studies ignore the discriminative property of the learned anchors, which ruin the representation capability of the built model. Moreover, the complementary information among anchors across views is neglected to be ensured by simply learning the shared anchor graph without considering the quality of view-specific anchors. In this paper, we propose discriminative anchor learning for multi-view clustering (DALMC) for handling the above issues. We learn discriminative view-specific feature representations according to the original dataset and build anchors from different views based on these representations, which increase the quality of the shared anchor graph. The discriminative feature learning and consensus anchor graph construction are integrated into a unified framework to improve each other for realizing the refinement. The optimal anchors from multiple views and the consensus anchor graph are learned with the orthogonal constraints. We give an iterative algorithm to deal with the formulated problem. Extensive experiments on different datasets show the effectiveness and efficiency of our method compared with other methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google