多级对比聚类网络

缺失视图下精度领先

通过多级特征空间中的对比学习，在恢复缺失数据的同时实现聚类分配，性能优于现有方法。

殷骏 · Pei, Wang · 74273874 · 郑忠龙

IEEE Transactions on Knowledge and Data Engineering 2025

技术优势

缺失可直接恢复

通过最小化视图间条件熵和双向预测，实现对缺失数据的填补，无需额外预处理步骤。

多级特征同时对齐

在潜在、高层和语义特征空间分别实现重构和一致性目标，提升共享语义挖掘和聚类效果。

应用场景

• 多模态数据聚类：直接处理视图缺失场景，无需丢弃样本即可完成聚类。
• 缺失数据补全：在聚类过程中同步恢复缺失视图，省去单独补全步骤。
• 机器人感知融合：融合缺失传感器数据，提升感知聚类鲁棒性。