一种多视图自表示与聚类联合优化的深度聚类方法

本发明公开了一种多视图自表示与聚类联合优化的深度聚类方法，首先获取多个视图的数据样本，并采用VDA算法在各视图中选取最具代表性的样本作为锚点；构建并预训练自编码器网络；在此基础上引入自表示模块，同时学习共享自表示和视图独特自表示，并通过锚点与样本间的相似度构建各视图的自表示；基于共享与独特自表示构造综合自表示，构建二部图亲和力矩阵，采用二部图聚类算法获得样本与锚点的初始聚类结果；再将聚类结果反馈至自表示模块，对表示进行迭代修正；最终融合共享和视图独特自表示，得到综合自表示并用于谱聚类，获得最终聚类结果。本发明有效结合视图间的一致性与多样性特征，克服传统方法对结构建模不足和优化效率低下的问题。