【技术实现步骤摘要】
本专利技术涉及数学与计算机交叉研究领域，具体涉及通过数据分析建模进行对多视图数据进行聚类分析的方法。
技术介绍
1、随着信息技术的快速发展，产生了海量、高维、多源的数据。如何从这些数据中提取有价值的信息成为各个领域的研究热点。聚类分析作为一种无监督学习方法，可以自动发现数据中的潜在结构和模式，为数据分析和决策提供支持。
2、传统的单视图聚类仅能从数据的某个方面特征进行挖掘，从而实现对样本进行聚类，由于单视图聚类方法仅利用数据的某一方面信息，往往存在信息的丢失以及无法获得样本的全局信息的问题。多视图聚类则可以克服单视图聚类的局限性，它是一种利用来自多个视图的补充和一致信息，可以提供更全面、准确的数据描述，从而提高聚类性能。
3、多视图聚类算法的应用场景非常广泛，例如在生物信息学、文本分析、图像识别、社交网络分析等领域。在这些应用中，数据可以从多个角度或模态(如文本、图像、声音等)进行观察和描述，每个视图都包含了数据实体的一部分信息。算法的目标是整合这些来自不同视图的信息，以发现数据中的潜在结构和模式。多视图聚类算法...
【技术保护点】
1.一种基于核低秩一致性的多视图子空间聚类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述的增广的拉格朗日函数具体描述为：
3.根据权利要求2所述的方法，其特征在于：步骤S2所述的采用交替方向乘子法(ADMM)来优化目标函数值包括以下具体步骤：
4.根据权利要求3所述的方法，其特征在于：步骤S3所述的采用对矩阵进行角度校正方法包括以下具体步骤：
5.根据权利要求4所述的方法，其特征在于：步骤S4所述的采用谱聚类方法对所述的相似性矩阵W进行聚类包括以下具体步骤：
【技术特征摘要】
1.一种基于核低秩一致性的多视图子空间聚类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述的增广的拉格朗日函数具体描述为：
3.根据权利要求2所述的方法，其特征在于：步骤s2所述的采用交替方向乘子法(admm)来优化...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。