-
我能不能尝试构建causal graph监督mvc?
-
- 找找类似的近似计算的文章,看看能不能降低mvc复杂度
-
主次因果
-
我能不能做生成式的,在对于不同的点聚类信息之间做平滑?
- 小样本数据提高鲁棒性,有通过插值做fusion的,我通过生成式数据拟合聚类信息
-
unilm/Diff-Transformer/README.md at master · microsoft/unilm (github.com)
-
Multi-VAE(ICCV 2021)
-
GCFAgg(CVPR 2023)
-
ADAPTIVE UNIVERSAL GENERALIZED PAGERANK GRAPH NEURAL NETWORK(ICLR 2021)
-
(CTCC)Cross-view Topology Based Consistent and Complementary Information for Deep Multi-view Clustering(ICCV 2023)
-
(DFP-GNN)( IEEE TRANSACTIONS ON MULTIMEDIA 2023)
-
MFLVC(CVPR 2022)
-
Robust Multi-View Clustering With Incomplete Information(TPAMI 2023)
-
SDMVC(IEEE Transactions on Knowledge and Data Engineering 2023)
-
MIMC(CIKM,ccf b类)
-
心得
- MFLVC和SDMVC都是从挖掘语义信息作聚类和作伪标签图的两个角度监督聚类效果。
- 对于语义信息的挖掘,GCFAgg仿照transformer进行特征挖掘
- DealMVC的融合我认为参考了ADAPTIVE UNIVERSAL GENERALIZED PAGERANK GRAPH NEURAL NETWORK这篇文章?并且还有可以修改的地方?
- 互信息是一个可以找idea的点
- 在特征层面作扰动
- 对于不同视角下的特征,各种拼接方法很有意思,可以作为切入点