論文の概要: A Survey on Incomplete Multi-view Clustering

• arxiv url: http://arxiv.org/abs/2208.08040v1
• Date: Wed, 17 Aug 2022 03:00:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-18 13:26:55.594798
• Title: A Survey on Incomplete Multi-view Clustering
• Title（参考訳）: 不完全多視点クラスタリングに関する調査
• Authors: Jie Wen, Zheng Zhang, Lunke Fei, Bob Zhang, Yong Xu, Zhao Zhang, Jinxing Li
• Abstract要約: 病気の診断、マルチメディア分析、レコメンデーションシステムなどの実践的な応用では、サンプルのすべてのビューが利用できるわけではない。 不完全なマルチビュークラスタリングは、不完全なマルチビュークラスタリングと呼ばれる。
• 参考スコア（独自算出の注目度）: 66.50475816827208
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conventional multi-view clustering seeks to partition data into respective groups based on the assumption that all views are fully observed. However, in practical applications, such as disease diagnosis, multimedia analysis, and recommendation system, it is common to observe that not all views of samples are available in many cases, which leads to the failure of the conventional multi-view clustering methods. Clustering on such incomplete multi-view data is referred to as incomplete multi-view clustering. In view of the promising application prospects, the research of incomplete multi-view clustering has noticeable advances in recent years. However, there is no survey to summarize the current progresses and point out the future research directions. To this end, we review the recent studies of incomplete multi-view clustering. Importantly, we provide some frameworks to unify the corresponding incomplete multi-view clustering methods, and make an in-depth comparative analysis for some representative methods from theoretical and experimental perspectives. Finally, some open problems in the incomplete multi-view clustering field are offered for researchers.
• Abstract（参考訳）: 従来のマルチビュークラスタリングでは、すべてのビューが完全に観察されているという仮定に基づいて、データを各グループに分割する。 しかし,疾患診断やマルチメディア分析,レコメンデーションシステムなどの実践的応用においては,従来のマルチビュークラスタリング手法の失敗につながるサンプルのすべてのビューが利用できるわけではないことがよく見られる。 このような不完全なマルチビューデータのクラスタリングは、不完全マルチビュークラスタリングと呼ばれる。 有望な応用可能性を考えると、不完全なマルチビュークラスタリングの研究は近年目立った進歩を遂げている。 しかし、現状を概観し、今後の研究方向性を指摘する調査は行われていない。 そこで本研究では,不完全マルチビュークラスタリングに関する最近の研究を概観する。 重要なことに、我々は、対応する不完全なマルチビュークラスタリング手法を統合するためのフレームワークを提供し、理論的および実験的観点から、いくつかの代表的な手法について詳細な比較分析を行う。 最後に、不完全なマルチビュークラスタリング分野におけるいくつかのオープンな問題が研究者に提示されている。

関連論文リスト

• Multi-level Reliable Guidance for Unpaired Multi-view Clustering [7.441454668534061]
  MRG-UMC(Multi-level Reliable Guidance for UMC) という手法を提案する。 MRG-UMCはマルチレベルクラスタリングを活用して、インナービュー、クロスビュー、コモンビューにわたる信頼できるクラスタ構造を学習する。 クロスビュー学習では、信頼性の高いビューガイダンスは、他のビューにおけるクラスタ構造の信頼性を高める。
  論文  参考訳（メタデータ） (2024-07-01T12:49:55Z)
• CDIMC-net: Cognitive Deep Incomplete Multi-view Clustering Network [53.72046586512026]
  我々は,認知的深層不完全多視点クラスタリングネットワーク(CDIMC-net)という,新しい不完全多視点クラスタリングネットワークを提案する。 ビュー固有のディープエンコーダとグラフ埋め込み戦略をフレームワークに組み込むことで、各ビューの高レベルな特徴とローカル構造をキャプチャする。 人間の認知、すなわち、簡単からハードに学ぶことに基づいて、モデルトレーニングのための最も自信あるサンプルを選択するための自己評価戦略を導入する。
  論文  参考訳（メタデータ） (2024-03-28T15:45:03Z)
• Incomplete Contrastive Multi-View Clustering with High-Confidence Guiding [7.305817202715752]
  高信頼誘導(ICMVC)を用いた非完全コントラストマルチビュークラスタリング手法を提案する。 まず、欠落した値問題に対処するために、マルチビュー整合関係転送とグラフ畳み込みネットワークを提案する。 第2に、補完情報を活用するために、インスタンスレベルの注意融合と高信頼誘導を提案する。
  論文  参考訳（メタデータ） (2023-12-14T07:28:41Z)
• Incomplete Multi-view Clustering via Diffusion Completion [0.0]
  本稿では,不完全なマルチビュークラスタリングフレームワークに組み込まれている不完全なビューを復元する拡散補完法を提案する。 観測可能なビュー情報に基づいて、拡散モデルを用いて、行方不明のビューを復元する。 提案手法は,最先端の手法と比較して,クラスタリング性能が優れている一方で,欠落したビューの回復に有効である。
  論文  参考訳（メタデータ） (2023-05-19T07:39:24Z)
• GCFAgg: Global and Cross-view Feature Aggregation for Multi-view Clustering [45.530950521907265]
  マルチビュークラスタリングは、教師なしの方法でコンセンサス表現を学習することで、データサンプルをカテゴリに分割することができる。 GggMVC(Global and Cross-view Feature aggregate for Multi-View Clustering)と呼ばれる新しいマルチビュークラスタリングネットワークを提案する。 提案手法は,完全多視点データクラスタリングタスクと不完全多視点データクラスタリングタスクの両方において,優れた性能を実現する。
  論文  参考訳（メタデータ） (2023-05-11T13:41:13Z)
• Deep Incomplete Multi-view Clustering with Cross-view Partial Sample and Prototype Alignment [50.82982601256481]
  深層不完全なマルチビュークラスタリングのためのクロスビュー部分サンプルとプロトタイプアライメントネットワーク(CPSPAN)を提案する。 従来のコントラストベースの手法とは異なり、インスタンスとインスタンスの対応構築を導くために、ペア観測データアライメントを「プロキシ監視信号」として採用する。
  論文  参考訳（メタデータ） (2023-03-28T02:31:57Z)
• Error-Robust Multi-View Clustering: Progress, Challenges and Opportunities [67.54503077766171]
  ラベル情報は取得に費用がかかることが多いため、マルチビュークラスタリングが注目されている。 明示的なエラー除去定式化によるエラーロバストマルチビュークラスタリングアプローチは、5つの広範な研究カテゴリに構成できる。 この調査は、マルチビューデータに対するエラーロストクラスタリングの最近の進歩を要約し、レビューする。
  論文  参考訳（メタデータ） (2021-05-07T04:03:02Z)
• Unsupervised Multi-view Clustering by Squeezing Hybrid Knowledge from Cross View and Each View [68.88732535086338]
  本稿では,適応グラフ正規化に基づくマルチビュークラスタリング手法を提案する。 5つの多視点ベンチマークの実験結果から,提案手法が他の最先端手法をクリアマージンで上回ることを示す。
  論文  参考訳（メタデータ） (2020-08-23T08:25:06Z)
• Generative Partial Multi-View Clustering [133.36721417531734]
  本稿では,不完全なマルチビュー問題に対処するため,GP-MVCと呼ばれる生成的部分的マルチビュークラスタリングモデルを提案する。 まず、マルチビューエンコーダネットワークをトレーニングして、一般的な低次元表現を学習し、次にクラスタリング層を使用して複数のビューをまたいだ一貫したクラスタ構造をキャプチャする。 第2に、他のビューが与える共有表現に基づいて、1つのビュー条件の欠落データを生成するために、ビュー固有の生成敵ネットワークを開発する。
  論文  参考訳（メタデータ） (2020-03-29T17:48:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。