基于概念分解的显隐空间协同多视图聚类算法胡素婷１沈宗鑫１黄倩倩２，３黄雁勇１摘要多视图聚类通过整合不同视图的特征以提升聚类性能．现有的多视图聚类更多地关注数据不同的低维表示方式和其在隐式空间的几何结构，而忽略数据样本在不同空间的结构关系，未同时考虑不同空间的聚类．为此，文中提出基于概念分解的显隐空间协同多视图聚类算法．首先，通过概念分解获取不同视图在隐式空间中的一个共同的低维特征表示，并利用图拉普拉斯正则化约束保持原始数据的局部结构不变．然后，将数据在显式空间中的聚类和隐式空间中的聚类整合到一个共同的框架中，进行协同学习和优化，得到最终的聚类结果．在８个真实数据集上的实验表明文中算法性能较优．关键词多视图聚类，协同训练，概念分解，拉普拉斯正则化引用格式胡素婷，沈宗鑫，黄倩倩，黄雁勇．基于概念分解的显隐空间协同多视图聚类算法．模式识别与人工智能，２０２３，３６（２）：１６０－１７３．ＤＯＩ１０．１６４５１／ｊ．ｃｎｋｉ．ｉｓｓｎ１００３⁃６０５９．２０２３０２００５中图法分类号ＴＰ３９１ＣｏｎｃｅｐｔＦａｃｔｏｒｉｚａｔｉｏｎ⁃ＢａｓｅｄＣｏｌｌａｂｏｒａｔｉｖｅＭｕｌｔｉ⁃ｖｉｅｗＣｌｕｓｔｅｒｉｎｇＡｌｇｏｒｉｔｈｍｉｎＶｉｓｉｂｌｅａｎｄＬａｔｅｎｔＳｐａｃｅｓＨＵＳｕｔｉｎｇ１，ＳＨＥＮＺｏｎｇｘｉｎ１，ＨＵＡＮＧＱｉａｎｑｉａｎ２，３，ＨＵＡＮＧＹａｎｙｏｎｇ１ＡＢＳＴＲＡＣＴＭｕｌｔｉ⁃ｖｉｅｗｃｌｕｓｔｅｒｉｎｇｅｆｆｅｃｔｉｖｅｌｙｉｍｐｒｏｖｅｓｔｈｅｃｌｕｓｔｅｒｉｎｇｐｅｒｆｏｒｍａｎｃｅｂｙｉｎｔｅｇｒａｔｉｎｇｔｈｅｆｅａｔｕｒｅｓｄｅｒｉｖｅｄｆｒｏｍｄｉｆｆｅｒｅｎｔｖｉｅｗｓ．Ｔｈｅｅｘｉｓｔｉｎｇｍｕｌｔｉ⁃ｖｉｅｗｃｌｕｓｔｅｒｉｎｇｍｅｔｈｏｄｓｍｏｒｅｆｏｃｕｓｏｎｄｉｆｆｅｒｅｎｔｌｏｗ⁃ｄｉｍｅｎｓｉｏｎａｌｒｅｐｒｅｓｅｎｔａｔｉｏｎｓｏｆｄａｔａａｎｄｔｈｅｉｒｇｅｏｍｅｔｒｉｃａｌｓｔｒｕｃｔｕｒｅｓｉｎｌａｔｅｎｔｓｐａｃｅ，ｗｈｉｌｅｉｇｎｏｒｉｎｇｔｈｅｓｔｒｕｃｔｕｒａｌｒｅｌａｔｉｏｎｓｏｆｄａｔａｉｎｄｉｆｆｅｒｅｎｔｓｐａｃｅｓａｎｄｔｈｅｃｌｕｓｔｅｒｉｎｇｏｆｄｉｆｆｅｒｅｎｔｓｐａｃｅｓ．Ｔｏａｄｄｒｅｓｓｔｈｉｓｉｓｓｕｅ，ａｃｏｎｃｅｐｔｆａｃｔｏｒｉｚａｔｉｏｎ⁃ｂａｓｅｄｃｏｌｌａｂｏｒ...
