多面互补聚类框架

显式引入视图标签

首个显式使用视图标签引导互补性学习的多视图聚类框架，通过特征、视图标签和对比三个层面的互补融合，在完整和不完整多视图聚类任务上均显著超越现有方法。

耿传兴 · Aiyang, Han · 陈松灿

IEEE Transactions on Pattern Analysis and Machine Intelligence 2024

参数信息

平均性能提升（完整MVC）

5.00 %

平均性能提升（不完整MVC）

7.00 %

技术优势

标签引导互补

显式使用视图标签挖掘视图间互补信息，而非仅依赖特征独立性，提高聚类精度。

多面互补融合

同时从特征、视图标签和对比三个层面学习互补性，比单一特征层面捕获更多视图特有信息。

应用场景

• 多视图数据分析：免去手工设计互补约束，直接嵌入标签提升聚类准确率。
• 跨模态数据融合：用视图标签指导跨模态互补融合，替代单一特征对齐。
• 多传感器机器人感知：融合多传感器互补信息，减少手工设计跨模态约束。