多样性约束和高阶信息挖掘的多视图聚类

打开文本图片集

摘 要：在现有的多视图聚类研究中，大多数方法没有考虑多视图的多样性，也没有关注数据的高阶邻域信息，导致聚类结果不够准确，难以挖掘数据集的底层信息。为了解决这些问题，提出了基于多样性约束和高阶信息挖掘的多视图聚类算法（MVCDCHO）。首先设计了视图间多样性测量的方法，利用多样性的约束保留数据的交集特征，同时去除多视图的差异特征；然后提出了一种挖掘视图高阶信息的方法，要求多视图的交集特征接近混合相似图，以挖掘数据间相关性所没有关注到的高阶信息；最后将多视图的交集特征融合成共识图，通过谱聚类来获取聚类目标图;另外，设计了一种交替迭代的方法来迭代学习优化目标函数。（剩余16532字）