VALSE 论文速览 第61期：FPMVS-CAG: 基于一致锚点引导的大规模无参多视图子空间聚类 ...

论文题目：FPMVS-CAG: 基于一致锚点引导的大规模无参多视图子空间聚类

作者列表：王思为 (国防科大)，刘新旺 (国防科大),朱信忠 (浙江师范大学)，张培 (国防科大)，张毅 (国防科大)，高峰 (北京大学)，祝恩 (国防科大)

B站观看网址：

https://www.bilibili.com/video/BV1KT4y1v7JV/

论文摘要：

多视图聚类通过有效地融合多视图信息，已经引起了人们的广泛关注。虽然现有的工作已经在聚类性能方面取得了显著的进展，但是大多数工作都具有立方时间复杂度，无法有效地应用于大规模应用。为了提高效率，现有工作提出了锚点采样机制，通过选择重要标志点来表示整个数据。然而，现有方法通常遵循启发式抽样策略，如 k 均值或均匀抽样。因此，锚点的选择过程和后续的图学习过程相互分离，这可能对聚类性能产生不利影响。此外，所涉及的超参数进一步限制了传统算法的应用。为了解决这些问题，本文提出了基于一致锚点引导的大规模无参多视图子空间聚类方法 (FPMVS-CAG)。首先，本文联合锚点选择和图学习两个步骤成为统一的优化框架，使得这两个过程可以相互促进提高聚类质量。本文提出的 FPMVS-CAG 被证明具有线性复杂度。此外，FPMVS-CAG 还可以无参地自动学习最优锚点图。这些优点使得 FPMVS-CAG 适合于大规模多视图聚类。在基准数据集上的大量实验结果证明了该方法对现有多视图聚类算法的有效性和高效性。

论文信息：

[1] Siwei Wang, Xinwang Liu, Xinzhong Zhu, et al. Fast Parameter-Free Multi-View Subspace Clustering with Consensus Anchor Guidance [J]. IEEE Transactions on Image Processing, 2021, 31: 556-568.

论文链接：

[https://ieeexplore.ieee.org/document/9646486]

代码链接：

https://github.com/wangsiwei2010/FPMVS-CAG

视频讲者简介：

王思为，国防科技大学计算机科学系二年级博士生。他目前的研究兴趣包括核学习、无监督大规模多视图聚类、大规模深度图学习和深度无监督学习。曾在 TKDE/ TNNLS/ TIP/ TMM/ ICML/ CVPR/ ECCV/ ICCV/ AAAI/ IJCAI等顶级期刊和会议中发表文章并担任程序委员会委员/ 审稿人。

特别鸣谢本次论文速览主要组织者：

月度轮值AC：彭春蕾 (西安电子科技大学)、丁长兴 (华南理工大学)

季度责任AC：杨猛 (中山大学)