计算机应用研究

作者：柳源,安俊秀,杨林旺,

单位：1.成都信息工程大学软件工程学院,成都610000；2.制造业产业链协同与信息化支撑技术四川省重点实验室,成都610000；

关键词：多视图聚类,无监督学习,对比学习,深度聚类,

基金：国家社会科学基金资助项目(22BXW048)；四川省重点实验室开放基金资助项目(2024-ScL-MC&I-001)；成都市科技重点研发支撑计划资助项目(2022-YF05-00454-SN)；；

多视图聚类旨在从多个角度挖掘对象的特征信息，以获得精准的聚类结果。然而，现有研究往往无法妥善处理视图融合时产生的信息冲突，并且对多视图之间的互补信息利用不够充分。为解决这些问题，提出了一种由多角度语义标签引导的自监督多视图聚类模型。该模型首先将各视图的潜在表示映射到独立的低维特征空间，在一个空间中专注于优化视图间的一致性，以维护特征空间的局部结构和样本间的相对关系；同时，在另一空间中直接从视图层面提取聚类信息，以捕获更丰富多样的语义特征；最后，利用多个角度语义特征生成的伪标签，引导对象层面的聚类分配，实现两种表示的协同优化。大量实验结果表明，该方法能够全面挖掘多视图数据中的公共信息与互补信息，并展现出良好的聚类性能。此外，相较于其他方法，该方法在视图数量较多的场景更具优势。

来源：2024年第11期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第11期