Pattern Recognition
基于锚点图的自加权不完整多视图聚类法
于晓a,b，刘慧a,b,c*，林毓秀a,b，吴彦c，张彩明b,d
1. 山东财经大学, 济南250014, 中国
2. 山东省数字媒体技术重点实验室, 济南250014, 中国
3. Medical Center, Stanford University, Palo Alto 94305, USA
4. 山东大学, 济南250010, 中国
论文简介
本文提出了一种名为基于锚点图的自加权不完整多视图聚类法(Auto-weighted Sample-level Fusion with Anchors forIncomplete Multi-view Clustering, ASA-IC)。该方法基于锚点图，提出了一种选择锚点的策略，可以用在完整多视图数据上，同时也适用于不完整多视图数据；通过设计了一种在样本层次上进行融合的方案，以简单有效的方式来减轻缺失数据对聚类结果的影响。在融合各视图信息的过程中，为每个样本自适应地学习各视图的相应权值，并充分利用各视图的互补信息，为所有视图学习一致性实例-锚点相似度信息。在 ASA-IC 的实验部分，在 32 个数据集上与 8 种基准方法进行了对比。
算法流程：
实验结果：
