基于类别一致性学习的稀疏邻域约束的联合聚类
来源：计算机应用与软件杂志2024年第12期北京时间：
作者：蒋超, 许堉坤, 张芮嘉, 安佰龙
摘要：为了充分挖掘特征结构，提升聚类性能，提出一种基于类别一致性学习的稀疏邻域约束的联合聚类方法。将联合聚类问题转化为附加对偶正则化子的非负矩阵三因式分解，在非负矩阵分解的基础上，增加两个正则化子，使数据关联性与标签分配一致；提出一种目标优化的乘法交替方案，从理论上证明了算法的收敛性和正确性。利用三种评价方法在六个数据集上进行验证，并对其参数敏感性进行分析。实验结果表明，该算法具有较优的聚类性能。
关键词：联合聚类, 稀疏邻域约束, 非负矩阵分解, 一致性学习
