一种基于全局表示和驱动融合的不完备多视图聚类方法

本发明公开了一种基于全局表示和驱动融合的不完备多视图聚类方法。该方法首先通过特定视图编码器获得视图的特定表示，并定义一个共享编码网络来学习所有视图的全局表示。在此基础上，利用自定义的预测网络，通过特定表示和全局表示的共同预测，恢复缺失的不完备视图信息。接着，本方法提出了一种具有调节因子的驱动融合方案。该方案为每个恢复后的视图表示定义一个权重向量，通过调节因子自我学习，获得最佳权重分配，从而实现融合。最后，在融合后的统一视图表示上进行聚类，得到最终的聚类结果。本发明通过利用全局表示充分挖掘视图间的一致性和互补性，并将表示学习和数据恢复统一在一个框架内，从信息理论角度进行整合。利用预测网络进行数据恢复后，提出带有调节因子的融合网络，充分考虑了不同视图之间的数据恢复差异，从而显著提高了模型的性能。