控制与决策

作者：赵启轩,袁景凌,张鑫,俞洋,李琳

单位：武汉理工大学 计算机与人工智能学院，武汉 430070,,武汉理工大学 计算机与人工智能学院，武汉 430070;武汉理工大学 交通物联网技术湖北省重点实验室，武汉 430070,,武汉理工大学 计算机与人工智能学院，武汉 430070,,武汉理工大学 计算机与人工智能学院，武汉 430070,,武汉理工大学 计算机与人工智能学院，武汉 430070;武汉理工大学 交通物联网技术湖北省重点实验室，武汉 430070,

关键词：多视角聚类;多线图;差分熵;软聚类;权重融合

基金：国家自然科学基金项目(52127816).

多线图是科学研究的重要数据, 常通过聚类分析挖掘其潜在的特征关系. 然而, 仅从单一特征视角进行处理, 容易忽略波形间相关信息, 而多视角聚类有望补充单一视角聚类的不足. 简单扩充视角存在视角间干扰导致聚类性能下降的风险, 因此稳定多视角聚类性能是一项新的挑战. 针对上述问题, 提出面向多线图的时频域差分熵增强的多视角聚类方法(DE-MCC). DE-MCC的核心思想是在不同时序波形构成的多视角基础上, 增加时频域差分熵作为特征强化视角, 提升模型获取多视角互补信息的能力, 并通过权重控制融合不同视角组合得到的软聚类向量, 在保证准确度的同时稳定聚类结果. 所提出的方法在脑电图与材料学电子能级图两种复杂的非平稳多线图数据集上均获得了理想结果. 相较其他先进多视角聚类方法, 脑电图数据的聚类准确率达到79.38%, 多次独立实验结果的标准差减小47.9%, 验证了所提方法的稳定性.

来源：2026年第2期

《控制与决策》期刊编辑部

查看控制与决策杂志2026年第2期