Tag · 11 篇
多视图聚类
基于张量化锚框引导的可扩展多视图子空间聚类
Scalable Multi-View Subspace Clustering with Tensorized Anchor Guidance
把跨视图锚框堆成三阶张量并用张量 Schatten p-范数约束，显式建模跨视图低秩结构，这一正则与样本数无关，可直接迁移到大规模视觉检索/聚类中的锚框图构建与跨模态一致性建模。
面向对比多视图聚类的可靠聚类数估计
Reliable Clustering Number Estimation for Contrastive Multi-View Clustering
把「聚类数 k 未知」当作可学习变量，用簇内/簇间距离构造强化学习奖励来自动推断 k，并用成对表征差异自适应加权视图以缓解对比学习中的表征退化——这两点可直接迁移到视觉表征的无监督聚类与多视图融合流程中。
基于双面亲和学习与拓扑协调的即插即用不完整多视图聚类
Plug-and-Play Incomplete Multi-View Clustering via Janus-Faced Affinity Learning with Topology Harmonization
锚图上的置换变换加一元编码约束，可在任意多视图/多模态特征融合前对齐锚点拓扑，这一思路可直接迁移到多视图特征拼接、跨模态检索的相似度融合环节，避免因视图间锚点顺序不一致导致的图结构失真。
面向不完整遥感数据的正交空间感知多视图锚图聚类
Orthogonal Spatial-Aware Multi-View Anchor Graph Clustering for Incomplete Remote Sensing Data
面向多视图遥感数据缺失场景，用超像素纹理构造空间感知锚点与多尺度锚图，并在共享潜空间做结构对齐与正交空间正则，可作为处理不完整多视图表征学习的可复用框架。
面向空间转录组学的多视图层次对齐学习
Multi-View Hierarchical Alignment Learning for Spatial Transcriptomics
论文提出的层次化对齐学习（样本级正样本对齐+原型级对比学习）可迁移到多视图视觉表征学习任务中，例如多模态图像聚类或跨视角特征融合，为视觉领域处理视图间不一致性和语义监督缺失提供了一种通用框架。
面向多视图聚类的多层级对比谱融合
Multi-Hierarchical Contrastive Spectral Fusion for Multi-View Clustering
把深度谱嵌入直接嵌入编码器以保留局部流形结构，并配合视图级/共识级的多层级对比损失，可作为多视图或多模态特征融合时提升聚类友好性与跨视图一致性的可复用训练范式。
面向快速多视图聚类的双正交空间锚框学习
Learning Anchor in Dual Orthogonal Space for Fast Multi-view Clustering
把「锚框」从单一正交空间扩展到双正交空间（原始特征空间 + 以共识锚定簇中心为基的空间），并用锚框的聚类指示矩阵直接给出划分，这一思路可迁移到大规模视觉检索/聚类中的低秩锚点近似与子空间互补建模。
面向深度不完整多视图聚类的失衡视图贡献评估与精炼
Imbalanced View Contribution Evaluation and Refinement for Deep Incomplete Multi-View Clustering
用 Shapley 值量化各视图的边际贡献、并用非平衡最优传输刻画视图间分布偏移，这套「贡献评估+协作增强」的思路可迁移到多模态/多视图特征融合与缺失模态鲁棒表征学习中，帮助识别并抑制主导模态对融合的压制。
面向不完整与噪声多视图数据统一聚类的全局图引导与局部图加权对比学习
Global-Graph Guided and Local-Graph Weighted Contrastive Learning for Unified Clustering on Incomplete and Noise Multi-View Data
全局图引导构造新样本对、局部图生成成对权重来加权对比学习，这套「免插补」的图引导对比框架可直接迁移到视觉多视图/多模态表征学习（如多相机、RGB-深度、图像-文本）中处理缺失模态与错配样本。
面向多视图聚类的簇感知锚框学习
Cluster-aware Anchor Learning for Multi-View Clustering
把锚框数量从全局固定改为按簇自适应分配，并用 l2,1 列稀疏自动决定每簇保留多少锚框，这一思路可直接迁移到视觉中的大规模聚类、检索与表征压缩场景，例如对多视图/多模态视觉特征做可扩展聚类时替代固定锚框的 k-means 类方法。
抗退化终身多视图聚类
Anti-Degradation Lifelong Multi-View Clustering
零空间投影知识库防退化技术可迁移到视觉模型的持续学习场景，例如在增量式多视图特征学习或跨模态表征对齐中，通过约束新知识更新方向与旧知识正交来避免灾难性遗忘。