摘要
摘要
增量多视角聚类算法适用于视角数据按顺序到达的场景,通过逐个提取并
融合每个视角的信息,持续优化聚类效果,有效解决了传统多视角聚类算法因存
储空间和隐私限制而无法长期存储所有视角数据的问题。后融合增量多视角聚
类算法以统一的聚类划分结果作为历史视角的表示,并不断融合新到达视角的
聚类划分结果,在较低的时间和空间复杂度下实现了较高的聚类性能,展现出显
著优势。然而,现有的研究存在以下问题:一、缺少用于转移历史视角知识的知
摘要
摘要
增量多视角聚类算法适用于视角数据按顺序到达的场景,通过逐个提取并
融合每个视角的信息,持续优化聚类效果,有效解决了传统多视角聚类算法因存
储空间和隐私限制而无法长期存储所有视角数据的问题。后融合增量多视角聚
类算法以统一的聚类划分结果作为历史视角的表示,并不断融合新到达视角的
聚类划分结果,在较低的时间和空间复杂度下实现了较高的聚类性能,展现出显
著优势。然而,现有的研究存在以下问题:一、缺少用于转移历史视角知识的知
文档评论(0)