Multi-view attributed graph clustering based on graph diffusion convolution with adaptive fusion论文阅读 gauge 1.论文背景 图聚类是数据挖掘中流行的技术之一,广泛应用于社交网络分析、推荐系统和异常检测中。 现有的基于多视图属性图的方法忽略了不同视图之间的差异和视图之间的一致性。 为此,本文提出了一种基于图...
1.论文背景多视图图聚类在过去的几年中得到了广泛的研究。然而,现有的方法在两个主要方面仍然有局限性: (1)它们中的大多数不能处理同时具有属性和图的数据。目前,多视图属性图数据普遍存在,对有效的聚类方法…
Lin Z, Kang Z. Graph Filter-based Multi-view Attributed Graph Clustering[C]//IJCAI. 2021: 2723-2729. 摘要导读 由于图数据的快速发展,图聚类在整个研究领域受到了很大的关注。然而现有的图聚类方法存在两个缺陷:1)大部分方法无法同时利用属性信息和图结构信息。2)大部分方法都无法处理包含多个图和多个属性信...
论文地址:Multi-View Attribute Graph Convolution Networks for Clustering | IJCAI 论文代码:MAGCN 1.多视图属性聚类:MAGCN 1.存在问题:GNN 融入Multi-View Graph 1)他们不能将指定学习的不同权重的分配给邻域内的不同节点; 2)他们可能忽略了进行节点属性和图结构的重构以提高鲁棒性; 3)对于不同视图之间的一致...
Cheng J, Wang Q, Tao Z, et al. Multi-View Attribute Graph Convolution Networks for Clustering[C]. IJCAI, 2020. 摘要翻译: 图神经网络(GNN)在处理图结构数据方面取得了相当大的成就。然而,现有的方法由于节点属性收集和图重构的缺点,不能为不同的节点分配可学习的权值,且缺乏鲁棒性。此外,大多数多视图...
多图聚类模型(Graph-based Multi-view Clustering, GMC)是一种专门设计用于处理多视图数据的聚类算法,它利用图结构来捕捉数据点之间的关系,并通过联合优化多个视图的图表示来达到更准确的聚类效果。 GMC算法的核心在于能够有效融合不同来源的信息,即使这些信息可能存在矛盾或不完整,也能从中提取出一致的聚类结构。
这个视频是我们的ICDM 2019论文的演讲,讲的是通过图学习进行多视图谱聚类:在考虑多视图一致性与不一致性的情况下,从多个视图的邻接矩阵(图)中学习到一个统一图,再用该图进行谱聚类。详细内容请看我们的ICDM论文:Consistency Meets Inconsistency: A Unified Graph Le
论文标题:Multi-view Contrastive Graph Clustering论文作者:Erlin Pan、Zhao Kang论文来源:2021, NeurIPS论文地址:download论文代码:download1 介绍本文贡献:使用Graph Filter 过滤了高阶噪声数据; 提出Graph Contrastive Regularizer 改善了视图的质量; 2 方法
Multi-view clustering has become an active topic in artificial intelligence. Yet, similar investigation for graph-structured data clustering has been absent so far. To fill this gap, we present a Multi-View Graph embedding Clustering network (MVGC). Specifically, unlike traditional multi-view ...
Multi-view attributed graph clustering. IEEE Transactions on Knowledge and Data Engineering, 2021. 2 [29] Jiyuan Liu, Xinwang Liu, Yuexiang Yang, Xifeng Guo, Marius Kloft, and Liangzhong He. Multiview subspace clustering via co-training robust data representat...