基于特征对比学习的多视图聚类方法

本发明公开了一种简单有效的基于特征对比学习的多视图聚类方法框架，在原始数据阶段对各视图数据进行融合，从而避免为不同视图定制模型，并减少丢失重要信息的风险。为了应对现实数据中噪声和数据不可用的，为融合数据设计两种数据增强方式，帮助模型更好地适应不完美的数据环境。框架中构建了一个深层的共享编码器，通过两类数据增强的特征进行对比学习，提取具有代表性的特征，进一步提升聚类效果。通过对不同视图数据的有效融合和特征提取，本发明能够显著提高多视图聚类的准确性和可靠性。