计算机应用

作者：区卓越, 邓秀勤, 陈磊

单位：广东工业大学 数学与统计学院，广州 510520

关键词：自动权重机制,互补性,锚点机制,子空间聚类,多视图聚类

基金：国家自然科学基金青年基金资助项目(62006044);广州市科技计划项目(202201010377)

在多视图聚类问题中，充分挖掘各视图间的关联信息，并降低冗余信息对聚类效果的影响是当前亟须解决的问题，但现有算法会忽略各视图间的互补性及差异性，或没有考虑冗余信息带来的干扰，从而导致聚类效果不佳。针对这些局限性，提出一种基于加权锚点的自适应多视图互补聚类算法（SMCWA）。在应对高维多视图数据的挑战时，首先，将特征直连迁移至锚点机制，从而融合各锚图来利用视图间的互补性信息；其次，在迭代过程中，使用加权矩阵动态确定各锚点的权重，从而弱化冗余信息的表达；最后，使用自动权重机制为各视图自适应地分配适当的权重，以利用视图间的差异性。将上述优化步骤整合至同一算法中，使视图互补性、冗余信息的弱化以及视图差异性在多步迭代中相互促进、相互学习，进而提高聚类效果。实验结果表明，在BDGP （Berkeley Drosophila Genome Project）数据集上，SMCWA在马修斯相关系数（MCC）上较谱聚类算法SC-Concat提升了41.75%；在CCV （Columbia Consumer Video）数据集上，SMCWA在MCC上较大规模线性时间多视图子空间聚类（LMVSC）算法提升了11.83%；在Caltech101-all数据集上，SMCWA在MCC上较谱聚类算法SC-Best提升了19.57%，说明该算法可充分考虑视图间的互补性信息、视图间的差异和冗余信息来提高聚类效果。

来源：2025年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第1期