Communication Dans Un Congrès Année : 2024

Clustering Multi-Vues en utilisant la Représentation des Coordonnées Barycentriques

Résumé

Dans cet article, nous abordons le problème du clustering multi-vues, où les attributs sont décomposés en groupes qui fournissent des informations complémentaires. Nous présentons une nouvelle approche de clustering multivues BCmvlearn qui combine la représentation par coordonnées barycentriques (CB), utilisée dans de précédents travaux de clustering, avec le clustering multivues RMKMC basé sur KMeans, qui permet une mise à jour automatique des poids des vues. Cette approche réduit la complexité sans sacrifier la qualité du clustering. En outre, notre algorithme ne dépend pas de la forme vectorielle des données originales, ce qui le rend applicable au clustering multimodal.
Fichier principal
Vignette du fichier
RNTI_202208_conf__EGC_.pdf (276.7 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04890707 , version 1 (16-01-2025)

Identifiants

  • HAL Id : hal-04890707 , version 1

Citer

Xiaotong Qian, Lili Jin, Guénaël Cabanes, Parisa Rastin, Nistor Grozavu. Clustering Multi-Vues en utilisant la Représentation des Coordonnées Barycentriques. Extraction et Gestion des Connaissances, EGC 2024, Jan 2024, Dijon, France. ⟨hal-04890707⟩
0 Consultations
0 Téléchargements

Partager

More