基于视图演化方案的不平衡不完全多视图聚类：弱视图为肉，强视图食之

不完全多视图聚类是处理现实世界中不完全多视图数据的重要技术。以往工作假设所有视图具有相同的缺失程度，即平衡不完全性。然而，不同视图往往具有差异化的缺失程度，即不平衡不完全性，这导致强视图（低缺失度视图）与弱视图（高缺失度视图）的出现。此种不平衡不完全性使我们无法直接套用以往方法进行聚类。本文受有效的生物演化理论启发，设计了新颖的视图演化方案来聚类强视图与弱视图。此外，我们提出一种不平衡不完全多视图聚类方法（UIMC），它是首个基于视图演化、面向不平衡不完全多视图聚类的有效方法。相较以往方法，UIMC 具有两点独特优势：1）提出加权多视图子空间聚类以整合这些不平衡不完全视图，有效解决了不平衡不完全多视图问题；2）设计低秩鲁棒表示以恢复数据，削弱了缺失与噪声的影响。大量实验结果表明，在三个评价指标上，UIMC 相较其他当前最优（state-of-the-art）方法的聚类性能提升高达 40%。