原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第47卷第7期计算机学报Vol.47No.7
2024年7月CHINESEJOURNALOFCOMPUTERSJuly2024
数据表示的相关性度量方法
刘吉元1）刘新旺2)蔡志平2）祝恩？）翰儒生1)
1）（国防科技大学系统工程学院长沙410072)
2）（国防科技大学计算机学院长沙410072）
摘要数据表示之间的相关性度量是机器学习和人工智能技术的基石.然而现有的度量方法要么数据表示的全
局信息考虑不足，要么复杂度较高，限制了相关技术的进一步发展.为解决上述问题，本文提出一种数据表示的对
齐度量方法，称为表示对齐（RepresentationAlignment，RA).此度量方法能够全局性地衡量任意两个数据表示之间
的相关性，且其在样本数量和特征维度上的计算复杂度均为线性.在此基础上，我们将RA扩展到了对比学习领
域，进一步提出了基于对比的表示对齐（ContrastiveRepresentationAlignment,CRA)度量方法.上述两个度量方法
可自然地用于多视图学习场景，即可通过最大化不同视图数据之间的RA和CRA来融合各个视图之间的信息.为
验证这一点，我们还提出了两个新颖多视图聚类算法，并在七个基准数据集上取得了领先的聚类性能.
关键词表示对齐；对比学习；多视图聚类
中图法分类号TP18D0I号10.11897/SP.J.1016.2024.01568
OntheCorrelationMeasurementofDataRepresentations
LIUJi-YuanIr1
LIUXin-Wang?)ZHUEn2JURu-Sheng
CAIZhi-PingZ
ID(CollegeofSystemsEngineering,NationalUniversityofDefenseTechnology,Changsha410072)
2)(CollegeofComputer,NationalUniversityofDefenseTechnology,Changsha410072)
AbstractThecorrelationmeasurementbetweendatarepresentationsisthebasisofmachine
learningandartificialintelligencetechniques.However,existingmethodseitheroverlookthe
globalinformationontheinvolvedrepresentationspartiallyorscalepoorly.Toaddresstheissue,
thispaperproposestheRepresentationAlignment(RA)togloballymeasurethecorrelation
betweentwoarbitrarydatarepresentationsinlineartimetothedimensionandthenumberof
samples.WefurtherextendtherepresentationalignmenttotheContrastiveRepresentation
Alignment(CR
文档评论（0）