块对角引导的多视角一致性学习

作     者：滕少华 韦晓杰 滕璐瑶 张巍 

作者机构：广东工业大学计算机学院 广州番禺职业技术学院信息工程学院 

出 版 物：《广东工业大学学报》 (Journal of Guangdong University of Technology)

年 卷 期：2025年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(61972102) 广州市科技计划项目(2023A04J1729) 

主　　题：块对角引导 多视角聚类 多视角图学习 一致性 无监督学习 

摘      要：基于图的多视角聚类方法得到了广泛的研究。然而，现有方法仍然存在两个问题：(1)有些方法虽然将相似矩阵划分为一致性矩阵和不一致性矩阵，但难以处理被错误划分到不一致性矩阵中的一致性信息，导致有效信息不能得到充分提取。(2)有些方法虽然得到了具有块对角结构的统一相似矩阵，但没有去除统一相似矩阵中的冗余信息。为了解决这两个问题，本文提出了一种块对角引导的多视角一致性学习(Multi-view Consistency Learning with Block Diagonal Guidance, MCLBDG)方法。首先，该方法通过低秩表示和自适应邻域的方式获得每个视角的相似矩阵；其次，将每个视角的相似矩阵划分为一致性矩阵和不一致性矩阵。其中，不同视角的不一致性部分通过哈达玛积来筛选。在迭代过程中，被错误划分的一致性部分可以从不一致性信息中逐步提取出来。此外，提出了块对角引导来尽可能去除统一相似矩阵中的冗余信息，减少了不同簇样本之间的干扰。最后，将谱聚类应用到模型当中，直接得到聚类结果。在几个常用数据集上的比较实验验证了该方法的优越性。