计算机应用

作者：李杏峰, 黄玉清, 任珍文, 李毅红

单位：1. 西南科技大学 信息工程学院, 四川 绵阳 621010;2. 西南科技大学 国防科技学院, 四川 绵阳 621010

关键词：自适应邻域,多视图聚类,低秩,鲁棒,共识关系图学习

基金：国家自然科学基金资助项目（61673220）；四川省重大科技项目（2018TZDZX0002）。

针对现存的基于自适应邻域的多视图聚类算法没有考虑噪声和共识图信息损失的问题，提出一种基于自适应邻域的鲁棒多视图聚类（RMVGC）算法。首先，为了避免噪声和异常值对数据的影响，通过鲁棒主成分分析模型（RPCA）从原始数据中学习多个干净的低秩数据；其次，用自适应邻域学习直接融合多个干净的低秩数据来得到一个干净的共识关系图，从而减少图融合过程中的信息丢失。实验结果表明，所提RMVGC算法的标准化互信息（NMI）在MRSCV1、BBCSport、COIL20、ORL和UCI digits数据集上比目前流行的多视图聚类算法分别提升了5.2、1.36、27.2、4.66和5.85个百分点。同时，该算法保持了数据局部结构，增强了对原始数据的鲁棒性，提高了关系图质量，在多视图数据集上具有较好的聚类性能。

来源：2021年第4期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第4期