跨视图一致性表示的多视图属性图聚类

摘要

针对基于图卷积神经网络的多视图聚类算法中视图嵌入表示存在的两个问题：跨视图特征表示一致性不足、跨视图簇划分一致性不足，本文提出了一种跨视图一致性表示的多视图属性图聚类算法（Multi-view Attribute Graph Clustering Algorithm with Cross-view Consistent Representations, CCRAGC）。该算法通过约束视图间的节点相似度矩阵逼近单位矩阵来加强视图嵌入表示之间的特征级一致性；同时，把视图嵌入表示映射到聚类级子空间，使子空间中的软标签矩阵尽可能相似，以此来加强视图间簇划分的一致性。研究结果表明，CCRAGC对于计算机协会（Association for Computing Machinery,ACM）、dblp计算机科学书目（dblp computer science bibliography,DBLP）、互联网电影资料库（Internet Movie Database,IMDB）三个广泛使用的数据集都有效，且准确率（Accuracy,Acc）相对于性能最优的基准算法分别提高了1.21%、0.37%、5.74%。

关键词

聚类 / 特征一致性 / 簇级一致性 / 属性图