计算机应用

作者：董瑶, 付怡雪, 董永峰, 史进, 陈晨

单位：1.河北工业大学 人工智能与数据科学学院, 天津 300401；2.河北省大数据计算重点实验室(河北工业大学), 天津 300401；3.河北省数据驱动工业智能工程研究中心(河北工业大学), 天津 300401

关键词：不完整性,多视图聚类,图数据挖掘,缺失视图,多视图学习

基金：河北省高等学校科学技术研究项目(QN2021213);河北省高等教育教学改革研究与实践项目(2020GJJG027)

多视图聚类是近年来图数据挖掘领域的研究热点。由于数据采集技术的限制或人为因素等原因常导致视图或样本缺失问题。降低多视图的不完整性对聚类效果的影响是多视图聚类目前面临的重大挑战。因此，综合研究不完整多视图聚类（IMC）近年的发展具有重要的理论意义和实践价值。首先，归纳分析不完整多视图数据缺失类型；其次，详细比较基于多核学习（MKL）、矩阵分解（MF）学习、深度学习和图学习这4类IMC方法，分析代表性方法的技术特点和区别；再次，从数据集类型、视图和类别数量、应用领域等角度总结22个公开不完整多视图数据集；继次，总结评价指标，并系统分析现有不完整多视图聚类方法在同构和异构数据集上的性能表现；最后，归纳分析不完整多视图聚类目前存在的问题、未来的发展方向和现有应用领域。

来源：2024年第6期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第6期