谱聚类与图结构学习的全面综述

文章预览

摘要 —谱聚类是一种强大的高维数据聚类技术，利用基于图的表示来检测复杂的非线性结构和非凸聚类。构建相似度图对于确保准确有效的聚类至关重要，因此图结构学习（GSL）在应对日益增长的可扩展解决方案需求中，成为提升谱聚类性能的核心。尽管在GSL方面取得了一定的进展，但目前缺乏专门针对其在谱聚类中的作用的全面调查。为填补这一空白，本调查提供了关于谱聚类方法的全面综述，重点讨论了GSL的关键作用。我们探讨了多种图构建技术，包括成对、锚点以及基于超图的方法，涵盖固定和自适应设置。此外，我们将谱聚类方法分类为单视角和多视角框架，研究它们在单步和两步聚类过程中的应用。我们还讨论了多视角信息融合技术及其对聚类数据的影响。通过解决当前的挑战并提出未来的研究方向，本综述为推动谱聚类方法的发展提 ………………………………