一种基于多样性和一致性学习的谱嵌入多视图聚类方法

摘要

本发明公开了一种基于多样性和一致性学习的谱嵌入多视图聚类方法，实施本发明的有益效果是，同时考虑数据空间和需要学习的标签空间中多样性和一致性，为多视图聚类学习一个更优的聚类标签；使用低维谱嵌入代替原始数据能够更好的压制冗余信息和噪声信息；提出了一个基于行的多样性表征，更好的约束了聚类标签多样性部分的差异，提高了聚类性能。本发明能实现卫星图像聚类，且该谱嵌入多视图聚类方法具有较强的鲁棒性，提高了卫星图像识别的准确度。由于谱嵌入多视图聚类方法的模型采用了多样性和一致性学习策略，能够挖掘多视图下的互补信息，对于多视图数据具有较好的聚类效果。