可微多视图谱聚类网络

训练更稳收敛更快

将传统谱聚类的可解释优化过程部分参数化,构建出可微分模块组成的新型网络,兼具传统方法的稳定性和深度方法的灵活性。

70422025 · 聂飞平 · 王榕 · 李学龙

IEEE Transactions on Pattern Analysis and Machine Intelligence 2023

技术优势

保留可解释性

网络结构从传统谱聚类的目标函数出发构建,每个模块对应优化步骤,推理过程可追溯。

聚类精度更高

实验表明模型优于其他多视图聚类算法,半监督分类扩展也表现优异,能直接提升下游任务效果。

训练更稳收敛更快

额外实验证实训练稳定性好,所需迭代次数更少,节省调参与计算资源。

应用场景