TKDE-2023《Self-Supervised Discriminative Feature Learning for Deep Multi-View Clustering (SDMVC)》

2. 核心思想 (Core Idea)

这篇论文的核心动机在于解决现有深度多视图聚类（Deep Multi-View Clustering, MVC）方法中存在的一个关键问题：某些视图的聚类结构不清晰（unclear clustering structures）会对整体聚类性能产生负面影响。

作者提出的核心思想是自监督判别特征学习（Self-Supervised Discriminative Feature Learning）。具体逻辑如下：

1. 独立编码：对每个视图独立使用深度自编码器（Deep Autoencoder）学习嵌入特征，以保留各视图的特征多样性。
2. 全局特征构建：将所有视图的嵌入特征拼接（concatenate）形成全局特征（global features）。利用高判别力视图的特征在全局空间中主导聚类结构，从而克服低判别力视图的负面影响。
3. 统一目标分布：基于全局特征生成伪标签（pseudo-labels），构建一个统一的目标分布（Unified Target Distribution,PP