研究人员开发了一种新的变分框架，用于不完整多视图聚类（IMVC），该框架解决了现有方法的局限性。当前的方法在后验聚合过程中通常假设视图之间条件独立，未能捕捉多视图数据中固有的相关性。该新框架通过利用后验估计误差的协方差结构，显式地建模和学习这些跨视图相关性。模型通过统一的变分目标进行联合训练，实验表明，该模型在各种缺失视图场景下，以最少的额外参数，优于最先进的方法。 AI
影响 这项研究可以提高依赖于多个数据源的聚类算法的准确性，尤其是在某些数据源不完整的情况下。
排序理由 学术论文，详细介绍了一种新的多视图聚类方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
