Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Incomplete Multi-view Clustering via Hierarchical Semantic Alignment and Cooperative Completion

Created by
  • Haebom

作者

Xiaojian Ding, Lin Zhao, Xian Li, Xiaoying Zhu

概要

この論文では、不完全なマルチビューデータを処理するための新しいクラスタリングフレームワークであるHSACC(Hierarchical Semantic Alignment and Cooperative Completion)を提案します。 HSACCは、二重レベルのセマンティックスペース設計により、強力なビュー間融合を実現します。低レベルの意味空間では相互情報を最大化して一貫性の整列を確保し、高レベルの意味空間では個々のビューと初期融合表現との間の分布的類似性に基づいて適応ビュー重みを動的に割り当て、重み付け融合を実行して統合グローバル表現を生成します。さらに、HSACCは、ソートされた潜在表現を高次元の意味空間に投影し、再構成とクラスタリングの目標を共同で最適化することで、欠落しているビューを暗黙的に回復し、完成とクラスタリングの協力的な学習を可能にします。

Takeaways、Limitations

Takeaways:
HSACCは、二重レベルの意味空間設計により、堅牢なビュー間融合を実現します。
動的重み割当メカニズムにより、適応ビューの融合が可能です。
不足しているビューを暗黙的に回復し、不完全なデータの処理能力を向上させます。
5つのベンチマークデータセットでSOTAパフォーマンスを達成しました。
階層的整列と動的重み付け機構の効果が証明された。
モデルのハイパーパラメータ変化に対するロバスト性を確認した。
Limitations:
論文自体で具体的なLimitationsは言及されていない。
👍