动态融合的多视图投影聚类算法

摘要：

多视图聚类是一个日益受到关注的研究热点.现有的大多数多视图聚类方法通常先对数据进行图学习,再对融合得到的统一图进行聚类得到最终结果,这种图学习和图聚类的两步策略可能导致聚类结果具有随机性.此外,多视图数据本身存在不可避免的噪声并且各视图数据差异较大,在原始高维数据空间进行无效融合可能造成重要信息的损失,不同多视图数据也可能存在选择参数敏感的问题.为了解决上述问题,提出了一种动态融合的多视图投影聚类算法,将自适应降维图学习、无参数的自权重图融合和谱聚类整合在同一框架中,三个过程相互促进,联合优化投影矩阵、相似性矩阵、共识矩阵以及聚类标签.对动态融合过程中得到的共识矩阵的拉普拉斯矩阵施加秩约束,直接获得聚类结果.而且引入的启发式超参数会随着每次优化迭代自动调整.为了求解联合优化问题,设计了一种有效的交替迭代方法.在人工数据集和真实数据集上得到的实验结果表明该算法的优越性.

关键词：多视图聚类、投影降维、图融合、共识矩阵

所属期刊栏目：17

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金;江苏省自然科学基金

在线出版日期：2023-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1147-1156