一种基于优化启发网络的可解释通用多场景聚类方法及系统

本发明提出了一种基于优化启发网络的可解释通用多场景聚类方法及系统，旨在提供一种适用于同质和异质多视图场景的通用聚类框架。该方法通过将优化设计和深度学习网络相结合，构建了一个能够学习共享和自表达表示的网络模块，从而在多视图数据中提取各视图之间的关系和相似性,以实现高效聚类。同时，方法中的每个网络组件都具有实际意义，确保了模型的可解释性,有效得解决了以往深度方法导致的模型可解释性不足的问题。此外，本方法提出的训练损失函数，能够有效增强相似属性对象之间的亲和力。本发明的聚类方法具有良好的通用性和适应性，能够在不同的多视图场景中有效地执行聚类任务，具有一定的实用价值。