科研之友
微信
新浪微博
Facebook
分享链接
摘要
多视图图聚类旨在挖掘多视图图数据中蕴含的簇结构，近年来得到了研究者的广泛研究。然而，现有大多数方法在不同视图信息的融合过程中同等对待各个视图，未能根据视图质量分配相应权重，而且处理具有属性和图的数据时面临一定困难。该文提出了一种基于注意力机制的两阶段融合多视图图聚类算法。首先，应用图滤波器过滤高频噪声，各个视图获得更适用于下游聚类任务的节点平滑表示；其次，基于注意力机制融合各个视图特征滤波后的平滑表示，并为拓扑融合阶段提供初始化权重；然后，在拓扑融合阶段，将不同视图加权融合的Laplace矩阵与融合的特征表示输入编码器得到嵌入表示，并构造优化函数对权重和嵌入表示进行优化，可以为质量较好的视图分配较大权重，同时产生更加紧凑的嵌入表示；最后，通过对嵌入表示执行谱聚类得到最终的聚类结果。将该算法和已有的相关聚类算法在真实数据集上进行了实验分析。结果表明，相比已有算法，所提出的算法在处理多视图图数据方面更加有效。
- 单位
