一种针对聚类信息不平衡和信息缺失问题的无监督多视图聚类方法

一种针对聚类信息不平衡和信息缺失问题的无监督多视图聚类方法，用于多视图数据在视图缺失的情况下，所导致的不完全多视图聚类过程中互补信息总是被忽略和一致性学习不足的情况。该方法首先提出了一种新型的双结构网络，通过延迟激活机制实现多视图数据中的互补性和一致性的有效平衡。对于一致性学习不足的问题，该方法通过最小化条件熵和最大不同视图间的互信息，恢复不完整信息，从而实现多视图一致性学习的增强。延迟激活机制允许网络在聚类过程中逐步引入各个视图的互补信息，从而避免信息丢失。本发明将平衡问题和一致性学习问题融合在一个统一的框架中，能更好的利用多视图数据的内在关联，显著提升聚类表现。