基于弱监督学习的可解释多聚类方法及系统

本发明属于数据挖掘分类及可解释人工智能技术领域，提供了基于弱监督学习的可解释多聚类方法及系统，其技术方案为利用多个并行的深度神经网络实现数据投影，增强了特征子空间的非线性表示能力，并行结构在一定程度上也可以保证特征子空间与多聚类的多样性；本发明将表征不同聚类模式的弱监督先验知识嵌入到并行的特征子空间，增强了子空间的显著性和可解释能力，有助于提高多聚类的质量；本发明利用冗余控制约束降低了子空间之间的相似性，进一步提高了多聚类的多样性；本发明通过弱监督先验知识建立子空间与特定聚类模式的关联，不同的子空间表征了不同视角的聚类模式，提升了多聚类的可解释性。