基于缺失图重构和自适应近邻的不完整多视图聚类方法

摘要

本发明公开了一种基于缺失图重构和自适应近邻的不完整多视图聚类方法，该方法通过学习一致性非负特征实现不完整多视图数据的聚类。本发明考虑到不同视图上的不完整图结构将其分解成一个视图一致性特征和多个视图特定特征，其中视图一致性特征用来保留多视图数据的近邻图结构信息。本发明的创新点在于从不完整视图的图结构分解角度重新思考不完整多视图聚类问题，同时学习缺失多视图数据的一致性非负特征与公共图结构，其中一致性非负特征满足公共图结构约束。本发明的不完整多视图聚类框架由矩阵分解模型和自适应近邻模型组成，同时推导了训练目标和推导过程；本发明方法能够在不填充缺失视图的情况下处理各种不完整多视图场景。