多视图聚类

【论文阅读】Deep Adversarial Multi-view Clustering Network多视图聚类通过挖掘多个视图之间的共同聚类结构，近年来受到了越来越多的关注。现有的大多数多视图聚类算法使用浅层、线性嵌入函数来学习多视图数据的公共结构。然而，这些方法无法充分利用多视图数据的非线性特性，而这种特性对于揭示复杂的聚类结构非常重要。本文提出了一种新颖的多视图聚类方法——深度对抗多视图聚类（Deep Adversarial Multi-view Clustering, DAMC）网络，用于学习嵌入在多视图数据中的内在结构。具体而言，我们的模型采用深度自编码器来学习由多个视图共享的潜在表示，同时利用

【论文阅读】End-to-End Adversarial-Attention Network for Multi-Modal Clustering论文地址：CVPR 2020 Open Access Repository (thecvf.com)端到端对抗注意力网络用于多模态聚类（EAMC）的方法旨在通过探索来自多个模态或视角的互补信息，将数据聚类成不同的组。