一种基于原型匹配学习的不完全多视图聚类方法及系统

本发明公开一种基于原型匹配学习的不完全多视图聚类方法及系统，属于计算机视觉技术领域。基于视图重建模型、一致性学习模型、原型对比学习模型和数据补全模型构建视图数据处理网络，其中，通过数据补全模型恢复缺失数据；结合视图重建模型、一致性学习模型、原型对比学习模型的损失函数构建目标损失函数；利用目标损失函数训练视图数据处理网络，得到视图数据优化网络；将待聚类视图数据集输入视图数据优化网络，得到优化后的完整数据和缺失数据的统一表示，在统一表示上使用K‑means聚类算法进行聚类。本发明能够解决多视图数据异质性、PUP及数据补全不稳定性问题，进一步提高不完全多视图聚类的有效性。