基于核典型相关分析的多视图谱聚类算法

摘要

提出并讨论了一种基于核典型相关谱聚类假设的多视图协同聚类方法.目的是寻求从多个表示中找到一致的解决方法,利用每个表示中的信息来提高经典聚类模型的性能.为了展示该方法的有效性,在6个具有不同大小和特征的图像数据集、文本数据集上进行了实验.实验结果充分证实了基于核典型相关分析的多视图谱聚类算法的性能优于经典的单视图K-means、K-means级联(CK)、多视图K-means(MK)、单视图谱聚类(SC)、SC级联(CSC)和多视图谱聚类(MSC),且具有更好的聚类准确度和鲁棒性.