AAS 多视图聚类算法

兼顾属性与结构

通过两步锚点邻近法与有向强连通分量，统一融合节点属性与有向结构信息，生成特征更清晰的相似矩阵，从而提升聚类质量。

Xuetong, Li · 张晓东

Neurocomputing 2025

参数信息

对比算法数量

7

技术优势

同时利用属性与结构

同时利用属性与有向结构信息，使聚类特征更清晰。

清晰聚类结构

生成的相似矩阵中聚类特征更清晰，提升聚类效果。

有向图适用

利用有向图的强连通分量构建锚点结构相似矩阵，能有效处理有向网络。

统一优化框架

相似矩阵构建与聚类统一在一个优化框架内，避免分步误差。

应用场景

• 机器人多模态聚类：机器人需融合视觉、力觉等多模态数据，AAS 能利用有向结构提升聚类精度。
• 物联网传感数据聚类：物联网传感器数据常含属性和流向关系，AAS 可同时处理两者。
• 具身智能感知数据聚类：具身智能感知数据复杂，AAS 能利用结构与属性提升聚类质量。