基于矩阵引导正则化的局部缺失多视图聚类机器学习方法

摘要

本发明涉及一种基于矩阵引导正则化的局部缺失多视图聚类机器学习方法，该方法将填充与聚类相融合，在聚类的引导下填充缺失核，用填充的核进行聚类，并在填充缺失核时，同时引入矩阵引导的正则化，该方法具体步骤包括：1)获取目标数据样本和聚类目标数，将所述目标数据样本映射至多核空间；2)引入矩阵引导的正则化，建立正则化的局部缺失多核k‑均值聚类优化目标函数；3)采用循环方式求解所述正则化的局部缺失多核k‑均值聚类优化目标函数，实现聚类。与现有技术相比，本发明具有聚类效果好、计算量低等优点。