一种基于自适应邻域图学习的多视图聚类方法

本发明涉及数据挖掘相关技术领域，尤其涉及一种基于自适应邻域图学习的多视图聚类方法，该方法提出一种无监督聚类框架，通过自适应邻域图学习策略构建节点相似度，结合多视图加权融合方法优化公共图邻接关系，并引入聚类层生成伪标签以增强表征判别性。该方法采用深度自编码器提取低维特征，通过交替优化算法求解目标函数，实现视图融合、表征学习与聚类的端到端联合优化。实验表明，本发明在多个数据集上显著优于现有方法，具有更高的聚类精度和鲁棒性。