标签
本文提出RHEA，一种面向多模态属性图聚类的可靠性感知框架。该框架通过邻域一致性估计节点特定的模态可靠性，重建不可靠模态，并使用可靠性感知融合和最优传输聚类。在四个基准上的实验显示出一致的性能提升，尤其在属性含噪或缺失的情况下。
本文介绍SEB-Cal，一种通过频谱特征（频带能量、熵、峰值主导性、相位稳定性）增强输出空间校准的方法，以改善时间序列分类中的选择性可靠性估计，在多个数据集上实现更高的Corr-AUROC和更低的[email protected]。