SDAC-DA: Semi-Supervised Deep Attributed Clustering Using Dual Autoencoder阅读笔记

论文链接：SDAC-DA: Semi-Supervised Deep Attributed Clustering Using Dual Autoencoder | IEEE Journals & Magazine | IEEE Xplore

这篇论文提出了一种名为 SDAC-DA（Semi-Supervised Deep Attributed Clustering using Dual Autoencoder） 的半监督深度属性图聚类方法。该方法通过将属性网络转换为双视图网络，并利用半监督自编码器对每个视图进行学习，最终通过联合优化框架实现高效的聚类。以下是该方法的详细流程：

---

1. 问题定义与数据准备

• 输入数据为一个属性图 G=(V,E,F)，其中 V 是节点集合，E 是边集合，F 是节点的属性矩阵。

• 目标是将节点划分为 K 个互不相交的簇 C={C1​,C2​,…,CK​}，使得簇内节点在结构上紧密相连且属性上高度相似。

---

2. 双视图网络构建