计算机研究与发展

作者：于晓,刘慧,林毓秀,张彩明,

关键词：多视图, 聚类, 自适应加权, 谱聚类, Markov链,

随着获取多模态或多视图数据的日益容易，多视图聚类研究受到广泛关注.然而，很多方法直接从原始数据中学习邻接矩阵，忽视了数据中噪声的影响.此外，还有一些方法将各个视图同等对待，而实际上各视图在聚类过程中所发挥的作用是不同的.为解决上述问题，提出了一种基于Markov链的聚类算法，名为一致性引导的自适应加权多视图聚类(consensusguidedauto-weightedmulti-viewclustering,CAMC).首先为每个视图构造转移概率矩阵；然后，以自适应加权的方式获得一致性转移概率矩阵，并对一致性转移概率矩阵的拉普拉斯矩阵进行了秩约束，确保拉普拉斯图中连通分量的数目正好等于簇的数目.此外，基于交替方向乘子法(alternatingdirectionmethodofmultipliers,ADMM)优化策略对问题进行求解.在1个人造数据集和7个真实数据集上的实验结果证明了该算法的有效性，其聚类性能优于现有的8种基准算法.

来源：2022年第7期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2022年第7期