論文の概要: A Novel Approach for Effective Multi-View Clustering with Information-Theoretic Perspective

• arxiv url: http://arxiv.org/abs/2309.13989v1
• Date: Mon, 25 Sep 2023 09:41:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-26 16:09:48.931294
• Title: A Novel Approach for Effective Multi-View Clustering with Information-Theoretic Perspective
• Title（参考訳）: 情報理論を考慮した効果的なマルチビュークラスタリング手法の提案
• Authors: Chenhang Cui, Yazhou Ren, Jingyu Pu, Jiawei Li, Xiaorong Pu, Tianyi Wu, Yutao Shi, Lifang He
• Abstract要約: 本研究では,多視点クラスタリングフレームワークを情報理論の観点から検討する,SUMVC(Sufficient Multi-View Clustering)と呼ばれる新しい手法を提案する。 まず,変分解析を用いて一貫した情報を生成する,シンプルで信頼性の高いマルチビュークラスタリング手法SCMVCを開発する。 次に、一貫した情報を強化し、ビュー間の不要な情報を最小限に抑えるのに十分な表現境界を提案する。
• 参考スコア（独自算出の注目度）: 24.630259061774836
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Multi-view clustering (MVC) is a popular technique for improving clustering performance using various data sources. However, existing methods primarily focus on acquiring consistent information while often neglecting the issue of redundancy across multiple views. This study presents a new approach called Sufficient Multi-View Clustering (SUMVC) that examines the multi-view clustering framework from an information-theoretic standpoint. Our proposed method consists of two parts. Firstly, we develop a simple and reliable multi-view clustering method SCMVC (simple consistent multi-view clustering) that employs variational analysis to generate consistent information. Secondly, we propose a sufficient representation lower bound to enhance consistent information and minimise unnecessary information among views. The proposed SUMVC method offers a promising solution to the problem of multi-view clustering and provides a new perspective for analyzing multi-view data. To verify the effectiveness of our model, we conducted a theoretical analysis based on the Bayes Error Rate, and experiments on multiple multi-view datasets demonstrate the superior performance of SUMVC.
• Abstract（参考訳）: マルチビュークラスタリング(MVC)は、様々なデータソースを用いてクラスタリング性能を改善するための一般的な手法である。 しかし、既存の手法は主に一貫性のある情報を取得することに焦点を当て、複数のビューにまたがる冗長性の問題を無視することが多い。 本研究では,多視点クラスタリングフレームワークを情報理論の観点から検討する,SUMVC(Sufficient Multi-View Clustering)と呼ばれる新しい手法を提案する。 提案手法は2つの部分からなる。 まず, 簡易かつ信頼性の高いマルチビュークラスタリング手法であるSCMVC(Ssimple consistent multi-view clustering)を開発し, 変動解析を用いて一貫した情報を生成する。 第2に,一貫性情報を強化し,ビュー間の不要情報を最小限に抑えるための,十分な表現下限を提案する。 提案手法は,マルチビュークラスタリング問題に対する有望な解決策を提供し,マルチビューデータを解析するための新たな視点を提供する。 本モデルの有効性を検証するため,ベイズ誤差率に基づく理論的解析を行い,SUMVCの優れた性能を示すマルチビューデータセットの実験を行った。

関連論文リスト

• 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)
• Semi-supervised multi-view concept decomposition [30.699496411869834]
  概念因子化(CF)は、マルチビュークラスタリングタスクにおいて優れた性能を示している。 そこで我々は,SMVCFという,新しい半教師付き多視点概念分解モデルを提案する。 SMVCFの性能を評価するために,4つの多様なデータセットの実験を行った。
  論文  参考訳（メタデータ） (2023-07-03T10:50:44Z)
• Multi-View Class Incremental Learning [57.14644913531313]
  マルチビュー学習(MVL)は、下流タスクのパフォーマンスを改善するためにデータセットの複数の視点から情報を統合することで大きな成功を収めている。 本稿では,複数視点クラスインクリメンタルラーニング(MVCIL)と呼ばれる新しいパラダイムについて考察する。
  論文  参考訳（メタデータ） (2023-06-16T08:13:41Z)
• One-step Multi-view Clustering with Diverse Representation [47.41455937479201]
  本稿では,多視点学習と$k$-meansを統合フレームワークに組み込んだ一段階のマルチビュークラスタリングを提案する。 そこで本研究では,効率の良い最適化アルゴリズムを開発し,その解法について述べる。
  論文  参考訳（メタデータ） (2023-06-08T02:52:24Z)
• Unified Multi-View Orthonormal Non-Negative Graph Based Clustering Framework [74.25493157757943]
  我々は,非負の特徴特性を活用し,多視点情報を統合された共同学習フレームワークに組み込む,新しいクラスタリングモデルを定式化する。 また、深層機能に基づいたクラスタリングデータに対するマルチモデル非負グラフベースのアプローチを初めて検討する。
  論文  参考訳（メタデータ） (2022-11-03T08:18:27Z)
• 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。