一种基于信息插补的不完整多模态平滑对比聚类方法

本发明公开了一种基于信息插补的不完整多模态平滑对比聚类方法，首先，利用基于统计信息的视图插补机制，将缺失视图建模为基于距离加权最近邻的多元高斯分布，据此进行缺失视图的插补，得到完整多视图的数据集；其次，使用编码器提取潜在特征，通过FFN‑Attention‑FFN结构捕捉多视图的全局结构信息，通过图卷积网络提取多视图的局部结构信息；再次，利用图解码器重构视图；最后，使用MLP生成聚类分配结果。本发明引入基于统计信息的视图插补机制，通过引入距离加权降低弱相关视图对补全结果的影响，提高了数据恢复的质量；将FFN‑Attention‑FFN结构与图卷积网络相结合，能有效地捕捉数据的全局和局部结构信息；通过添加高斯噪声来扩展负样本对，使样本分布更加平滑。