自适应图融合的缺失多视图聚类算法 |
| |
引用本文: | 黄展鹏,吴杰康,易法令.自适应图融合的缺失多视图聚类算法[J].计算机工程与应用,2023(9):176-181. |
| |
作者姓名: | 黄展鹏 吴杰康 易法令 |
| |
作者单位: | 1. 广东工业大学自动化学院;2. 广东药科大学医药信息工程学院;3. 广东普通高校工程技术研究中心-医药信息真实世界工程技术研究中心 |
| |
基金项目: | 国家自然科学基金(51567002,50767001); |
| |
摘 要: | 多视图聚类能充分利用不同视图间数据的一致性和差异性,引起越来越多的关注。传统多视图聚类方法假设每个视图的数据都是完整的,然而在实际应用中,收集到的多视图数据常存在部分视图缺失的样本。为了对缺失多视图数据进行聚类分析,提出自适应图融合的缺失多视图聚类算法(IMC_AGF)。算法以两两视图间共有样本为瞄点构建样本-样本的相似度矩阵,学习其一致性知识,再利用两两视图间的互补性,用自适应图融合算法整合所有的相似度图,获取缺失多视图数据完整的相似度矩阵,然后进行谱聚类得到分类结果。实验结果表明,提出的算法优于与之比较的经典缺失多视图聚类方法。
|
关 键 词: | 缺失多视图聚类 自适应图融合 瞄点 相似度矩阵 聚类算法 |
|