计算机应用研究

作者：赵振廷,赵旭俊,

单位：太原科技大学计算机科学与技术学院,太原030024；

关键词：多视图聚类,多样性,一致性,高阶信息,

基金：国家自然科学基金资助项目(61572343)；山西省基础研究计划资助项目(202303021221142)；；

在现有的多视图聚类研究中，大多数方法没有考虑多视图的多样性，也没有关注数据的高阶邻域信息，导致聚类结果不够准确，难以挖掘数据集的底层信息。为了解决这些问题，提出了基于多样性约束和高阶信息挖掘的多视图聚类算法（MVCDCHO）。首先设计了视图间多样性测量的方法，利用多样性的约束保留数据的交集特征，同时去除多视图的差异特征；然后提出了一种挖掘视图高阶信息的方法，要求多视图的交集特征接近混合相似图，以挖掘数据间相关性所没有关注到的高阶信息；最后将多视图的交集特征融合成共识图，通过谱聚类来获取聚类目标图；另外，设计了一种交替迭代的方法来迭代学习优化目标函数。实验结果表明，MVCDCHO在归一化互信息（NMI）、调整后的兰德指数（ARI）、聚类精度（ACC）多个聚类评价指标上表现出优异的性能。理论分析和实验研究验证了MVCDCHO中多视图多样性和高阶信息的关键作用，证明了MVCDCHO的优越性。

来源：2024年第8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8期