计算机应用

作者：潘振君, 梁成, 张化祥

单位：山东师范大学 信息科学与工程学院，济南 250358

关键词：多视图,一致图,子空间,聚类,自加权,图学习

基金：国家自然科学基金联合基金资助项目(U1836216);国家自然科学基金面上项目(61873089);山东省重大基础研究项目(ZR2019ZD03)

针对多视图数据分析易受原始数据集噪声干扰，以及需要额外的步骤计算聚类结果的问题，提出一种基于一致图学习的鲁棒多视图子空间聚类（RMCGL）算法。首先，在各个视图下学习数据在子空间中的潜在鲁棒表示，并基于该表示得到各视图的相似度矩阵。随后，基于得到的多个相似度矩阵学习一个统一的相似度图。最后，通过对相似度图对应的拉普拉斯矩阵添加秩约束，确保得到的相似度图具有最优的聚类结构，并可直接得到最终的聚类结果。该过程在一个统一的优化框架中完成，能同时学习潜在鲁棒表示、相似度矩阵和一致图。RMCGL算法的聚类精度（ACC）在BBC、100leaves和MSRC数据集上比基于图的多视图聚类（GMC）算法分别提升了3.36个百分点、5.82个百分点和5.71个百分点。实验结果表明，该算法具有良好的聚类效果。

来源：2021年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第12期