范瑞东，侯臣平

国防科技大学 文理学院 体系科学系，长沙410073

+通信作者E-mail:hcpnudt@hotmail.com

在大数据时代，人们搜集、传递和存储数据的能力不断提高，各个领域都已经积累了大量的数据。并且其中的大部分数据呈现多源、多态和异构等特性。在许多图像处理和模式识别的应用中，数据从不同的领域收集或者用不同的特征提取器获得。比如：用不同的语种来描述同一对象；从不同的角度去分析同一件事；由不同的报社报道同一条新闻等。像这类从不同的途径或者视角来形容同一目标的数据称为多视图数据。

然而，并不是所有的数据都具有标签的。以图像数据的获取为例，由于大部分网络图像是由用户提供的，而为这些数据打标签需要人工操作，会产生昂贵的劳动成本；并且对于某些复杂的图像来说，人工标注十分困难。因此，在真实数据集中，无标签数据占据了绝大部分。从而，为了充分利用这些无标签多视图数据，聚类算法受到越来越多的关注。

在过去的几十年里，人们研究了许多先进的聚类算法。虽然这些聚类算法在一定程度上是非常有效的，但它们大多只适用于单视图数据。即使将所有视图连接到一个单独的视图中，然后在这个单独的视图上采用最先进的聚类算法也可能不会提高聚类性能，因为每个视图都是对应着异构特征空间中的特定特征，不同的视图包含着相互独立和相互补充的信息。因此，多视图聚类算法（multi-view clustering，MVC）应运而生。……