控制与决策

作者：陈梅,郭爱霞,王洁,杨嘉怡,詹苏宝

单位：兰州交通大学 电子与信息工程学院，兰州 730000,,兰州交通大学 电子与信息工程学院，兰州 730000,,兰州交通大学 电子与信息工程学院，兰州 730000,,兰州交通大学 电子与信息工程学院，兰州 730000,,兰州交通大学 电子与信息工程学院，兰州 730000,

关键词：不平衡不完备多视图聚类;缺失值学习;结构保留;加权张量Schatten-$ p$范数;完整性约束

基金：国家自然科学基金项目(62266029)；甘肃省重点研发计划项目(24YFGA036)；甘肃省高等学校产业支撑计划项目(2022CYZC-36).

现有的不完备多视图聚类算法虽然取得了一定的进展, 但是仍然存在局限性: 1)无法准确挖掘缺失数据的潜在信息, 特别是在各视图缺失率不一致的情况下; 2)难以同时保留数据的全局结构和局部结构; 3)无法有效挖掘不同视图的高阶相关性和互补信息. 为解决这些问题, 提出基于缺失值学习和结构保留的不平衡不完备多视图聚类算法. 首先, 算法通过线性投影将原始高维数据映射至低维空间; 然后, 结合基于近邻关系学习的补全矩阵和完整性约束机制对缺失值进行填充, 从而确保填充的缺失值尽可能保持数据的原始结构; 接着, 算法采用子空间聚类技术、超拉普拉斯正则化和加权张量Schatten-$ p$范数, 有效捕获数据的全局结构、局部结构以及高阶相关性; 最后, 与10个对比算法在多种缺失率的8个仿真不完备多视图数据集上进行对比实验, 实验结果表明所提出方法的性能优于其他对比算法.

来源：2025年第9期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第9期