1.Adaptive Weighted Graph Fusion Incomplete Multi-View Subspace Clustering
Sensors, 2020
2.Unified Embedding Alignment with Missing Views Inferring for Incomplete Multi-View Clustering
AAAI-19
注：X+EW已经恢复了完整的数据维度
- Multiple Incomplete Views Clustering via Weighted Nonnegative Matrix Factorization with L2,1L2,1 Regularization (MIC)
ECML PKDD 2015
4.Self-representation Subspace Clustering for Incomplete Multi-view Data
MM ’21, October 20–24, 2021, Virtual Event, China
- One-step multi-view subspace clustering with incomplete views
Neurocomputing 2021
6.One-Pass Incomplete Multi-View Clustering
AAAI-19
7.Multi-View Spectral Clustering With Incomplete Graphs
IEEE Access 2020
- A novel consensus learning approach to incomplete multi-view clustering
Pattern Recognition 2021（sci 2区）
不完整多视图聚类对比方法
BSV： 是一种使用信息量最大的视图的局部聚类方法。值得注意的是，在所有多个视图中，信息视图具有最好的单独光谱聚类性能。因此，我们对每个不完整视图进行标准光谱聚类，并报告最佳聚类结果。
Li Z W, Cheong L F, Yang S G, et al. Simultaneous clustering and model selection: algorithm, theory and applications. IEEE Trans Pattern Anal Mach Intell, 2018, 40: 1964–1978
Concat：该方法采用BSV用于填充缺失实例的相同策略。然后，将所有视图的相应实例连接到一个特征向量中。K-均值应用于共识表示，用于最终聚类。
H. Zhao , H. Liu , Y. Fu , Incomplete multi-modal visual data grouping, in: International Joint Conference on Artificial Intelligence (IJCAI), 2016, pp. 2392–2398 .
MultiNMF：最初的MultiNMF是一种基线算法，用于对完整的多视图数据进行聚类。为了处理不完整的场景，我们采用了BSV用来填充缺失实例的相同策略。然后，MultiNMF学习所有视图的非负低维一致表示。对学习到的一致性表示进行K-均值，以获得聚类结果。
J. Liu , C. Wang , J. Gao , J. Han , Multi-view clustering via joint nonnegative matrix factorization, in: SIAM International Conference on Data Mining, 2013, pp. 252–260 .
MIC：该方法采用与BSV相同的策略来填充缺失实例，然后学习所有视图的非负低维一致性表示。K-means应用于学习到的共识表示，用于最终聚类。、
W. Shao , L. He , P.S. Yu , Multiple incomplete views clustering via weighted nonnegative matrix factorization with l 2 , 1 regularization, in: ECML PKDD, 2015, pp. 318–334 .
OMVC：该方法用相应视图的动态平均值填充缺失实例，然后学习所有视图的低维一致性表示，然后用K均值进行最终聚类。
W. Shao , L. He , C. ta Lu , P.S. Yu , O n l i n e multi-view clustering with incomplete views, in: IEEE International Conference on Big Data (Big Data), 2016, pp. 1012–1017 .
DAIMC：该方法利用加权半NMF学习所有视图的非负低维一致表示。K-均值应用于学习到的一致性表示，以进行最终聚类。
M. Hu , S. Chen , Doubly aligned incomplete multi-view clustering, in: International Joint Conference on Artificial Intelligence (IJCAI), 2018, pp. 2262–2268 .
UEAF：该方法利用带有图正则化的误差矩阵对缺失实例进行建模，学习所有视图的一致性表示，然后使用K均值进行最终聚类
J. Wen , Z. Zhang , Y. Xu , B. Zhang , L. Fei , H. Liu , Unified embedding alignment
with missing views inferring for incomplete multi-view clustering, in: AAAI Conference on Artificial Intelligence (AAAI), 2019, pp. 5393–5400 .
GIMC：是第一次尝试构造完整的图来划分不完整的多视图数据。GIMC为每个视图构造一个图，然后集成所有构造的图矩阵以生成一致性图矩阵 。
Zhou W, Wang H, Yang Y. Consensus graph learning for incomplete multi-view clustering. In: Proceedings of the 23rd Pacific-Asia Advances in Knowledge Discovery and Data Mining Conference (PAKDD), Macau, 2019. 529–540
IMSC-AGL：将图形构造和一致性表示学习集成到一个联合优化框架中。这是首次利用图学习和谱聚类技术学习不完全多视图聚类的公共表示。
Wen J, Xu Y, Liu H. Incomplete multiview spectral clustering with adaptive graph learning. IEEE Trans Cybern, 2020, 50:1418–1429
GIMC-FLSD：提出了一种用于结构保持和表示学习的图正则化框架。
Wen J, Zhang Z, Zhang Z, et al. Generalized incomplete multiview clustering with flexible locality structure diffusion. IEEE Trans Cybern, 2021, 51: 101–114
LF-IMVC：是一种后期融合的不完整多视图聚类方法，它有效地集成了不完整视图生成的不完整聚类矩阵。LF-IMVC本质上是一种基于多核k均值聚类的集成方法。
Liu X W, Zhu X Z, Li M M, et al. Late fusion incomplete multi-view clustering. IEEE Trans Pattern Anal Mach Intell, 2019,41: 2410–2423
Original: https://blog.csdn.net/weixin_47038252/article/details/123348420
Author: 打小就聪明w
Title: 不完整多视图聚类近期论文
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/549966/
转载文章受原作者版权保护。转载请注明原作者出处！