自加权多视图k-均值算法

来源：计算机工程杂志2025年第8期北京时间：

作者：林合川, 徐慧英, 朱信忠, 黄晓, 刘子洋

单位：1. 浙江师范大学计算机科学与技术学院, 浙江 金华 3210042. 浙江师范大学教育学院, 浙江 金华 321004

摘要：随着信息技术的不断进步, 人们能够运用越来越多样化和复杂的方式来更准确地描述事物, 这导致了多视图数据的出现。对多视图数据聚类是数据挖掘、机器学习、模式识别等领域的基础和重要课题。在这个信息爆炸的时代, 数据的维度越来越高, 如何有效地对这类数据进行聚类仍然是一项巨大的挑战。针对目前多视图k-均值算法在处理高维数据时能力不足的问题, 提出一种全新的多视图聚类框架——自加权多视图k-均值(SwMKM)算法。首先, 通过采用最小绝对准则来引导鲁棒性, 降低异常值对结果的影响; 然后, 采用迭代重加权最小二乘法(IRLS)来求解最小绝对残差, 通过自适应地调整多个权重的分布, 实现重加权的控制; 最后, 通过引入具有$\ell$2, 1范数惩罚项的投影矩阵, 将原始数据集的高维特征空间转换为统计上不相关的低维的子空间, 实现特征选择和噪声抑制。实验结果显示, SwMKM算法在Handwritten numerals、MSRCv1、Outdoor Scene等数据集上的表现明显优于其他多视图k-均值算法, 证明了该算法聚类的优越性。

关键词：无监督学习,<i>k</i>-均值,多视图聚类,?2, 1范数,自加权

基金资助：国家自然科学基金(62376252); 国家自然科学基金(61976196); 浙江省自然科学基金重点项目(LZ22F030003); 国家级大学生创新创业训练计划项目创新训练重点项目(202310345042)