论文阅读笔记(3):Graph Filter-based Multi-view Attributed Graph Clustering

Graph Filter-based Multi-view Attributed Graph Clustering:基于图过滤器的多视图属性图聚类

摘要

摘要:图聚类现有的方法有两个主要的缺点:1)大多数方法不能同时探索属性和图结构的信息;2)大多数方法无法处理包含不同特征和图形集的多视图数据;
本文提出有效的多视图属性图聚类方法:1)首先,不需要学习神经网络参数的情况下,对特征进行图滤波以获得平滑的表示;2)其次,设计了一种新的策略来选择几个锚定点,降低计算复杂度;3)开到一种新的正则化器来探索高阶领域信息;

相关研究

简介:图聚类作为无监督学习的一个分支,旨在将图节点划分为几个不相交的组,每一个组都属于一个类;现实世界中的数据往往比较复杂,包括节点属性和顶点之间的结构关系;为了利用结构和特征中的丰富信息,采用了图嵌入框架,提出一种联合聚类技术,开发了一种关系主题方法来解决这个问题;然而,他们主要关注稀疏的原始图,不能有效利用底层信息,而且这些方法无法处理多视图数据;
大多数图形数据通常是多模态和多关系的,也就是节点由多个特征矩阵组成,每个节点通过多种类型的关系与其他节点进行交互;
现有的多视图学习方法大致分为两类:1)将多个图集融合成一致性图,然后采用单视图算法;2)另外一种方法通过图嵌入技术学习稀疏和紧凑的表示,再运用经典的方法;但是,这些方法主要集中在一类信息上

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值