自适应图融合的缺失多视图聚类算法

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。