一种基于FCS的多视图模糊聚类方法

摘要

本发明提出了一种基于FCS的多视图模糊聚类方法，该方法一方面保持了多视图聚类方法的特点，聚类时根据不同视图的重要性协同聚类，有助于提高聚类准确率；另一方面继承了FCS方法综合考虑类内紧致性和类间分离性的优点，能够增强方法的鲁棒性。在聚类过程中，该方法通过权重调整每个视图之间聚类结果的一致性，且能够自动学习并更新权重。为了对方法进行评估，选取了4个多视图数据集进行了实验，并分为未添加噪声数据和添加噪声数据两种情况。实验结果表明，基于FCS的多视图模糊聚类方法在聚类准确率和鲁棒性方面的表现均优于对比方法。