题目:Deep Tensor Spectral Clustering Network via Ensemble of Multiple Affinity Tensors
通过多重相似张量集成的深度张量谱聚类网络
作者:Hongmin Cai; Yu Hu; Fei Qi; Bin Hu; Yiu-ming Cheung
摘要
张量谱聚类(TSC)是一种新兴的方法,通过探索多样的相似性来增强学习。然而,现有的TSC方法尚未解决两个关键问题:(1)构建和存储高阶相似张量以编码多样相似性需要大量内存,限制了它们的适用性;(2)大多数方法采用两阶段方法,整合不同阶次的多个相似张量来学习共识张量谱嵌入,这通常导致次优的聚类结果。为此,本文提出了一种张量谱聚类网络(TSC-Net),以实现共识张量谱嵌入的一阶段学习,同时减少内存成本。TSC-Net使用深度神经网络学习将输入样本映射到共识张量谱嵌入,由多种相似张量指导的TSC目标函数引导。它使用随机优化来计算部分相似张量,从而避免加载整个相似张量进行计算&#