AI 词汇表
人工智能完整词典
多视图协同聚类
一种同时在多个视图中对实例和特征进行聚类的方法，用于发现共同的潜在结构。它在保持视图间一致性的同时，联合优化每个视图的分区矩阵。
多视图谱聚类
谱聚类的扩展，结合多个视图的拉普拉斯图以捕获多表示数据的流形结构。该方法在组合的特征向量上应用k-means之前融合谱空间。
多视图NMF聚类
基于非负矩阵分解的技术，联合分解多视图数据矩阵以共享共同的因子基础。该方法在保持每个表示特性的同时保证视图间的一致性。
基于表示的聚类
一种方法，从多个视图学习共享的紧凑表示，然后在这个公共空间中进行聚类。它使用自编码器或投影技术来对齐不同的视角。
多核聚类
一种组合多个核（每个视图一个）以构建统一核的方法，用于捕获数据的多视角相似性。通过优化每个核的权重来调整视图的相对重要性。
基于多视图图的聚类
构建并融合多个相似性图（每个视图一个）以发现共同社区结构的技术。它利用图论和切割方法来优化视图间的一致性。
CCA聚类
基于典型相关分析的方法，在聚类前将视图投影到最大化视图间相关性的公共空间。对于具有线性结构的高维视图特别有效。
多视图层次聚类
层次聚类的扩展，在聚类合并或分裂的每一步都整合多个视图的信息。它基于加权的多视图距离或共识距离构建树状图。
多视图半监督聚类
一种结合多个视图的未标记信息与约束或先验知识来指导聚类的方法。它利用must-link/cannot-link链接或部分标签来提高分区质量。
多视图差异聚类
一种最小化不同视图中簇分布之间的差异以确保视角间一致性的技术。它使用KL散度或JS散度等度量来量化结构的对齐程度。
流形对齐聚类
在进行聚类之前，将不同视图的流形结构对齐到公共空间的方法。它在保持视图内局部几何的同时，建立一致的视图间对应关系。
视图间相似性聚类
一种直接利用视图间相似性矩阵来指导聚类过程的技术。它加强了在数据的不同视角中表现出一致模式的簇。
加权多视图聚类
在聚类过程中自动学习每个视图最优权重的方法。它根据视图的质量和与簇结构的关联性动态调整其重要性。
部分多视图聚类
一种能够处理某些实例在某些视图中缺失的数据的鲁棒方法。它使用插补或不完整学习技术来有效利用可用信息。
后期融合聚类
对每个视图独立进行聚类，然后通过共识融合结果的策略。这种方法灵活，允许组合适应每个特定视图的不同聚类算法。