一致性引导的自适应加权多视图聚类

• 全文链接
• 请求原文

作   者：

于晓;  刘慧;  林毓秀;  张彩明; 

作者机构：

山东省数字媒体技术重点实验室(山东财经大学);  山东财经大学计算机科学与技术学院; 

关键词：

聚类;  自适应加权;  Markov链;  谱聚类;  多视图; 

期刊名称：

计算机研究与发展

i s s n：

1000-1239

年卷期：

2022 年 59 卷 007 期

页   码：

1496-1508

摘   要：

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(consensus guided auto-weighted multi-view clustering,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(alternating direction method of multipliers,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.