TIP-2026《View-Adaptive Multi-Granularity Anchor Learning for Multi-View Clustering》

一、 论文基本信息

• 论文题目：View-Adaptive Multi-Granularity Anchor Learning for Multi-View Clustering
• 发表时间：2026年（收稿2025年6月23日，录用2026年3月7日，正式出版2026年3月19日）
• 发表期刊：IEEE Transactions on Image Processing (TIP), Vol. 35, 2026
• 作者：Xiaohui Wei, Yuting Chen, Feiping Nie, Haibo Liu, Qiya Song, Lin Xiao

二、 核心思想

现有基于锚点（Anchor）的多视图聚类（MVC）方法普遍采用单一粒度（Single-Granularity）策略，即所有视图共享固定且一致的锚点数量。这会导致结构简单视图的锚点冗余，或复杂视图的锚点表征不足，进而限制聚类精度。本文的核心思想是提出视图自适应多粒度锚点学习框架（VMAL），实现两大突破：

1. 动态锚点数量选择：摒弃预设固定锚点数的做法，根据各视图的样本重构误差，在优化过程中自适应地为每个视图剪枝并选择最优的锚点数量。
2. 映射-聚合消息传递策略：针对不同视图锚点规模不