融合变分自编码器的不完整多视图模糊聚类.pdfVIP

第44卷第5期中南民族大学学报（自然科学版）Vol.44No.5

2025年9月JournalofSouth-CentralMinzuUniversity（NaturalScienceEdition）Sept.2025

融合变分自编码器的不完整多视图模糊聚类

*

陈占芳，李澳，姜晓明，李岩芳

（长春理工大学计算机科学技术学院，长春130022）

摘要多视图聚类的目的是将高度相似的数据对象划分到同一簇，为实现高维数据、多视图数据的高效聚类，提

出了融合变分自编码器的不完整多视图模糊聚类VAE-IMFC，该模型将变分自编码器的生成能力和自表达模块的

辨别能力有效结合.该模型一方面利用变分自编码器明确补偿样本缺失的视图特征，另一方面利用L1和L2正则化

生成更具鉴别性的子空间表示完成聚类任务.同时，由于生成数据的模糊性和不确定性，该模型使用模糊聚类代替

传统的硬聚类完成样本分群分类，避免了传统聚类分析中“非此即彼”的分类方式.通过大量实验证明所提出VAE-

IMFC方法在高维数据、多视图数据聚类时的有效性，与现有方法相比，实现较大改进.

关键词不完整多视图聚类；变分自编码器；正则化；模糊聚类

中图分类号TP391文献标志码A文章编号1672-4321（2025）05-0664-11

doi：10.20056/ki.ZNMDZK

Incompletemulti-viewfuzzyclusteringbasedonthevariational

autoencoder

*

CHENZhangfang，LIAo，JIANGXiaoming，LIYanfang

（CollegeofComputerScienceandTechnology，ChangchunUniversityofScienceandTechnology，

Changchun130022，China）

AbstractThepurposeofmulti-viewclusteringistodividehighlysimilarmulti-viewdataintothesamegroup.Inorderto

achieveefficientclusteringofhigh-dimensionaldataandmulti-viewdata，anincompletemulti-viewfuzzyclusteringVAE-

IMFCbasedonavariationalautoencoderisproposed，whicheffectivelycombinesthegenerationabilityofvariational

autoencoderwiththediscriminationabilityoftheself-expressionmodule.Ontheonehand，thevariation