多视角表示学习方法、聚类方法、设备及存储介质

本申请涉及人工智能技术领域，特别是涉及多视角表示学习方法、聚类方法、设备及存储介质。多视角表示学习方法包括：将样本多视图数据集输入至预构建的多变分自编码器模型，得到每一视图的共享变量信息和特有变量信息，采用vMF分布算法对特有变量进行建模和采样，得到每一视图的特有特征，将所有视图的共享变量信息融合后采用Gumbel‑Softmax分布算法对共享变量进行建模和采样，得到共享特征，将每一视图的特有特征和共享特征进行融合，得到每一视图的潜在表示；对每一视图的潜在表示进行重构和迭代优化，得到优化后的多变分自编码器模型。本申请的方法，有效解决了高斯分布带来的局限性，能得到更好的聚类结果。