多视图聚类与可见视图及隐藏视图的协作

多视图数据在现实建模任务中日益常见，因此已提出许多多视图数据聚类算法。现有算法通常关注原始空间中不同视图的协作，而忽视这些不同可见视图间隐藏信息的影响，或仅考虑视图间的隐藏信息。由于可用信息未被充分挖掘，尤其是不同视图间的差异信息及它们之间的一致性信息，这些算法的效率不高。实际上，多视图数据中的差异信息与一致性信息对有效聚类分析均十分有用。本研究提出一种利用可见与隐藏视图协作的多视图聚类算法，即 MV-Co-VH。该算法首先通过非负矩阵分解（NMF）策略将多视图从不同的可见空间投影到公共隐藏空间，以获得公共隐藏视图数据；随后基于可见视图与共享隐藏视图在聚类过程中实施协同学习。在 UCI 多视图数据集与真实世界图像多视图数据集上的大量实验表明，所提算法的聚类性能可与现有算法相竞争甚至更优。