鲁棒多视图聚类
针对不完全多视图数据，通过多视图编码与多图对比正则化，同时学习各视图重要性并抑制噪声，实现优于现有方法的聚类精度。
薛哲 · 李雅文 · Zhongchao, Guan · 李文玲 · 梁美玉 · Hai, Zhou
IEEE Transactions on Multimedia 2023
通过多视图编码网络将各视图融合为统一表示，并智能评估每个视图的重要性，从而能够处理不完整的多视图数据。
稳健的多图对比正则化增强了所学表示的精度，并成功抵消了多视图数据中的噪声和不可靠性。