背景
最近在学习多聚类相关论文，论文看差不多了，准备复现对应工作。
先收集对应数据集，在看具体代码。
论文共涉及 10 个不同的数据集（部分数据集在两篇论文中共同使用）：
论文1：MLLM Enriched Explainable Multiple Clustering（MLLMMC，AAAI 2026）
使用了 6 个数据集：Fruit、CMUFace、COIL、Cards、CIFAR、WebKB
论文2：Multi-Modal Proxy Learning（Multi-MaP，CVPR 2024）
使用了 7 个数据集：ALOI、Card、CMUface、Fruit、Fruit360、Stanford Cars、Flowers
多聚类数据集汇总
| 序号 | 数据集 | 论文1 (MLLMMC) | 论文2 (Multi-MaP) | 类型 | 主要下载来源 |
|---|---|---|---|---|---|
| 1 | Fruit | ✅ | ✅ | 图像 | 论文附带代码仓库 |
| 2 | CMUFace | ✅ | ✅ | 图像 | UCI Repository |
| 3 | COIL | ✅ | ❌ | 图像 | 哥伦比亚大学官网 |
| 4 | Cards | ✅ | ✅ | 图像 | 论文代码仓库/Kaggle |
| 5 | CIFAR | ✅ | ❌ | 图像 | 多伦多大学官网 |
| 6 | WebKB | ✅ | ❌ | 文本 | CMU 官网/PyG |
| 7 | ALOI | ❌ | ✅ | 图像 | 阿姆斯特丹大学 |
| 8 | Fruit360 | ❌ | ✅ | 图像 | Kaggle/GitHub |
| 9 | Stanford Cars | ❌ | ✅ | 图像 | 斯坦福/Kaggle |
| 10 | Flowers | ❌ | ✅ | 图像 | 牛津大学 VGG |
各数据集详细信息与下载地址
-
Fruit（水果数据集）
规模：105 张图像，聚类维度：color（3类）、species（3类）
下载地址：该数据集来自 James Bailey 的多聚类研究组，通常随论文代码一起发布。可在以下途径获取：
GitHub 搜索相关代码仓库：https://github.com 搜索 "multiple clustering fruit dataset"
或参考论文引用：Bailey, J. 2018. "Alternative clustering analysis: A review." Data clustering, 535--550
-
CMUFace（CMU 人脸数据集）
规模：640 张图像，聚类维度：identity（4/20类）、pose（20/4类）、emotion（2类）、glass（2/4类）
下载地址：
UCI Machine Learning Repository：https://archive.ics.uci.edu/ml/datasets/Carnegie+Mellon+University+Face+Database
也可通过 Kaggle、CSDN 等平台搜索 "CMUFace dataset" 下载
-
COIL（Columbia Object Image Library）
规模：COIL-20 包含 1440 张图像（20个物体 × 72个角度），聚类维度：color、shape
下载地址：
哥伦比亚大学官方：http://www.cs.columbia.edu/CAVE/software/softlib/coil-20.php
-
Cards / Card（扑克牌数据集）
规模：约 8,029 张图像，聚类维度：number/order（13类）、suits（4类）
下载地址：该数据集通常来自多聚类研究社区，可通过以下途径获取：
论文 AugDMC（Yao et al., 2023）的代码仓库中获取
或直接从 Kaggle 搜索 "playing cards dataset" 获取类似数据
-
CIFAR
规模：60,000 张 32×32 彩色图像，聚类维度：environment、type
下载地址：
官方下载页：http:cifar.html
CIFAR-10（10类）：https://www.cs.toronto.edu/\~kriz/cifar-10-python.tar.gz
CIFAR-100（100类）：https://www.cs.toronto.edu/\~kriz/cifar-100-python.tar.gz
-
WebKB（文本数据集）
规模：包含 Cornell、Texas、Wisconsin 三个子集，聚类维度为网页类型（student, project, course, staff, faculty）
下载地址：
原始来源：http://www.cs.cmu.edu/\~webkb/
PyTorch Geometric 内置：通过 torch_geometric.datasets.WebKB 直接加载
备用：http://ana.cachopo.org/datasets-for-single-label-text-categorization
-
ALOI（Amsterdam Library of Object Images）
规模：288 张样本（论文中使用的子集），聚类维度：color（2类）、shape（2类）
下载地址：
阿姆斯特丹大学官方：http://aloi.science.uva.nl/
-
Fruit360（水果 360 度数据集）
规模：4,856 张样本（论文子集），聚类维度：color（4类）、species（4类）
下载地址：
Kaggle：https://www.kaggle.com/moltean/fruits
GitHub：https://github.com/Horea94/Fruit-Images-Dataset
完整数据集包含 131 类水果蔬菜，共约 90,000+ 张图像
-
Stanford Cars（斯坦福汽车数据集）
规模：论文使用 1,200 张子集，聚类维度：color（4类）、type（3类）
下载地址：
官方页面：http:car_dataset.html
Kaggle：https://www.kaggle.com/jessicali9530/stanford-cars-dataset
完整数据集包含 196 类汽车的 16,185 张图像
-
Flowers（Oxford-102 花卉数据集）
规模：论文使用 1,600 张子集，聚类维度：color（4类）、species（4类）
下载地址：
牛津大学 VGG 官方：https://www.robots.ox.ac.uk/\~vgg/data/flowers/102/
图像下载：https://www.robots.ox.ac.uk/\~vgg/data/flowers/102/102flowers.tgz
标签下载：https://www.robots.ox.ac.uk/\~vgg/data/flowers/102/imagelabels.mat