稀疏矩阵和改进归一化切割的快速多视图聚类.pdfVIP

计算机科学与探索1673-9418/2024/18(11)-3027-14

JournalofFrontiersofComputerScienceandTechnologydoi:10.3778/j.issn.1673-9418.2309037

稀疏矩阵和改进归一化切割的快速多视图聚类

+

杨明瑞，周世兵，王茜，宋威

江南大学人工智能与计算机学院，江苏无锡214122

+通信作者E-mail:zshibing@

摘要：多视图聚类是一种新颖的聚类算法，它可以有效地探索出数据之间的内在聚类结构。大多数多视图

聚类算法在构造相似图时容易受到噪声的影响，而且在聚类过程中还会面临信息损失问题，从而降低聚类结

果的准确性。此外，现有多视图聚类算法通常使用交替迭代优化方法获得最优解，多次迭代会导致内存溢出或

耗时过长。为了解决上述问题，提出了一种基于稀疏矩阵和改进归一化切割的快速多视图聚类算法（SINFMC）。

该算法根据原始数据构造每个视图的相似图，并对相似图进行融合得到共识图矩阵。对共识图矩阵进行l范

1

数约束获得稀疏矩阵，实现数据降噪和加速计算。使用改进的归一化谱聚类算法对稀疏的共识图进行聚类得

到聚类指标矩阵，这样不仅能够直接获得聚类结果，而且消除了聚类过程中的信息损失和偏差。该聚类算法

无需交替迭代优化且通过稀疏矩阵表示精简计算过程，大幅降低了算法的时间和空间复杂度。人工和真实数

据集上的比较实验结果表明该算法在质量和效率方面优于对比算法。

关键词：多视图聚类；稀疏矩阵；归一化切割；软阈值；图融合

文献标志码：A中图分类号：TP18

FastMulti-viewClusteringwithSparseMatrixandImprovedNormalizedCut

+

YANGMingrui,ZHOUShibing,WANGXi,SONGWei

SchoolofArtificialIntelligenceandComputerScience,JiangnanUniversity,Wuxi,Jiangsu214122,China

Abstract:Themulti-viewclusteringalgorithmisanovelapproachtoexploretheinherentclusteringstructure

amongdata.However,mostexistingmethodssufferfromnoiseissueswhenconstructingsimilaritygraphsandmay

loseimportantinformationduringtheclustering,leadingtoloweraccuracy.Moreover,iterativeoptimizationap-

proachesoftenusedbythesealgorithmscanbememory-overflowingandtime-consuming.Toaddresstheselimita-

tions,afastmulti-viewclusteringalgorithmwithsparsematrixandimprovednormalizedcut(SINFMC)ispro-

posed.Itfirstconstructssimilaritygraphsforallviewsandintegratesthemtoformaconsensusgraphmatrix.Then,

thel1-normconstraintisappliedtotheconse