基于细粒度动态融合的深度多视图聚类方法

本发明公开了基于细粒度动态融合的深度多视图聚类方法，方法为：获取多视图数据并为每个视图构建自动编码器网络，并计算自编码重构损失；将低级潜在特征映射得到微簇结构；基于动态平衡分配策略优化微簇结构并计算得到优化损失；对每个单视图进行聚类并计算获取单视图聚类的损失；进行自表示偏差融合学习并获取免私有信息干扰的自表示损失；计算获取偏差矩阵；使用多头自注意力机制结合偏差矩阵得到融合特征，并计算特征融合优化函数；构建整体优化损失函数，通过最小化整体优化损失函数进行聚类训练，得到最终的聚类结果。本发明综合考虑簇的大小、先验概率分布和距离，解决了异构性归属判定问题。