基于超图正则NMF的自适应半监督多视图聚类

doi:10.16088/j.issn.1001-6600.2023110202

广西师范大学学报（自然科学版） ›› 2024, Vol. 42 ›› Issue (04) : 137 -152. DOI: 10.16088/j.issn.1001-6600.2023110202

作者信息 +

Author information +

文章历史 +

PDF

摘要

图正则非负矩阵分解(GNMF)虽然已成为大量多视图聚类方法的基本框架，但其尝试用简单图融合来自不同视图的复杂数据关系，同时获得一致性判别表示，这无疑有很大挑战性。为了更好地应对多视图数据的聚类任务，本文提出一种基于超图正则非负矩阵分解的半监督多视图聚类方法ASMCHNMF。该方法通过构造超图，学习来自多个视图的数据高阶关系，为合理利用现实世界中可获取的标签信息，引入标签约束项进行半监督学习。此外，该方法同时考虑一致性信息和互补性信息的学习，采用自适应措施区分不同视图的贡献，并使用交替迭代算法来对主函数进行优化。在7个真实数据集上的对比实验表明，在其中6个数据集上，ASMCHNMF算法的ACC和NMI指标均优于经典算法和当前先进算法。