清华大学学报(自然科学版)

作者：赵兴旺, 侯哲栋, 姚凯旋, 梁吉业

单位：1. 山西大学 计算机与信息技术学院, 太原 030006;<br>2. 计算智能与中文信息处理教育部重点实验室山西大学, 太原 030006

关键词：多视图学习,图聚类,注意力机制,图学习,嵌入表示

基金：国家自然科学基金面上项目(62072293,62272285);国家自然科学基金区域联合创新基金重点项目(U21A20473)

多视图图聚类旨在挖掘多视图图数据中蕴含的簇结构,近年来得到了研究者的广泛研究。然而,现有大多数方法在不同视图信息的融合过程中同等对待各个视图,未能根据视图质量分配相应权重,而且处理具有属性和图的数据时面临一定困难。该文提出了一种基于注意力机制的两阶段融合多视图图聚类算法。首先,应用图滤波器过滤高频噪声,各个视图获得更适用于下游聚类任务的节点平滑表示;其次,基于注意力机制融合各个视图特征滤波后的平滑表示,并为拓扑融合阶段提供初始化权重;然后,在拓扑融合阶段,将不同视图加权融合的Laplace矩阵与融合的特征表示输入编码器得到嵌入表示,并构造优化函数对权重和嵌入表示进行优化,可以为质量较好的视图分配较大权重,同时产生更加紧凑的嵌入表示;最后,通过对嵌入表示执行谱聚类得到最终的聚类结果。将该算法和已有的相关聚类算法在真实数据集上进行了实验分析。结果表明,相比已有算法,所提出的算法在处理多视图图数据方面更加有效。

来源：2024年第1期

《清华大学学报(自然科学版)》期刊编辑部

查看清华大学学报(自然科学版)杂志2024年第1期