图聚类(此处的图聚类指的是将图上的节点聚类,并不是对整个图分类)将图上的节点分成不同集群,每个集群内的点要尽量相似,不同集群间要尽量不同。对于多视图属性图聚类,也是一种图聚类,但其考虑的信息更多,要同时基于给出的多种类型的节点特征和多个关系图的信息,完成图节点聚类任务。 但要要完成多视图属性图聚类...
多视图属性图聚类软件是由江苏大学著作的软件著作,该软件著作登记号为:2023SR0663148,属于分类,想要查询更多关于多视图属性图聚类软件著作的著作权信息就到天眼查官网!
构建一种基于共享和特定表示的多视图属性图聚类模型(multi-view attribute graph clustering based on shared and specific representation, MSAGC).具体来说,首先通过多视图编码器获得每个视图的初级表示,进而获得每个视图的共享信息和特定信息;然后对齐视图共享信息来学习多视图的一致信息,联合视图特定信息来利用多视图的...
图聚类(此处的图聚类指的是将图上的节点聚类,并不是对整个图分类)将图上的节点分成不同集群,每个集群内的点要尽量相似,不同集群间要尽量不同。对于多视图属性图聚类,也是一种图聚类,但其考虑的信息更多,要同时基于给出的多种类型的节点特征和多个关系图的信息,完成图节点聚类任务。
图聚类(此处的图聚类指的是将图上的节点聚类,并不是对整个图分类)将图上的节点分成不同集群,每个集群内的点要尽量相似,不同集群间要尽量不同。对于多视图属性图聚类,也是一种图聚类,但其考虑的信息更多,要同时基于给出的多种类型的节点特征和多个关系图的信息,完成图节点聚类任务。
为此,提出了一种新的基于对比共识图学习的多视图属性图聚类算法,以降低噪声对聚类的影响从而得到更好的结果.该算法包括四个步骤:首先,使用图滤波来消除图上的噪声,并同时保留完整的图结构.然后,选择少量节点来学习共识图,以降低计算复杂度.随后,使用图对比正则化来帮助学习共识图.最后利用谱聚类获得聚类结果.大量的...
针对基于图卷积神经网络的多视图聚类算法中视图嵌入表示存在的两个问题:跨视图特征表示一致性不足,跨视图簇划分一致性不足,本文提出了一种跨视图一致性表示的多视图属性图聚类算法(multi-view attribute graph clustering algorithm with cross-view consistent representations, CCRAGC).该算法通过约束视图间的节点相似度...
《异构多属性网络的多视图聚类关键技术研究》是依托哈尔滨工业大学，由叶允明担任项目负责人的面上项目。项目摘要 异构多属性网络是一种特殊的异构信息网络，包含更丰富的语义内容和隐含信息，具有重要的研究价值。异构多属性网络聚类问题的研究难点在于：网络节点集、属性集和关系集之间具有复杂的相关性和依赖性，如何有效...