何士豪,张玉龙,唐启凡

(西安交通大学软件学院,710049,西安)

近年来,随着计算机和网络技术的快速发展,“大数据”一词开始频频出现在大众视野,随着海量数据的涌现,如何有效地在数据中挖掘出有价值的信息成为热门的研究课题。其中,多视角数据因其包含更全面的信息而成为热点研究数据。多视角数据是指同源数据的多种表示形式,例如,一幅图片可以由颜色、纹理、边缘等特征表示,一篇文章可以由多种语言表示等。聚类分析一直以来是数据挖掘的主要任务之一,其中子空间聚类是聚类分析中的重要研究部分。传统的子空间聚类算法在处理多视角数据时,通常是将多视角数据简单拼接为单视角数据,然后对其应用经典的单视角子空间聚类算法[1-3]。这种做法的优点是简单快捷,但同时带来了一系列缺点。首先,多视角数据具有互补性与一致性的特点[4]。互补性是指各视角包含其他视角所不具备的信息,各视角所含数据信息具有互补性。一致性是指来自同一数据源的各视角数据所包含的基本信息是一致的[4]。单视角聚类算法仅将多视角数据简单拼接,无法有效地挖掘多视角所包含的丰富信息,因此无法取得较好的聚类效果。其次,多视角数据中含有大量重复数据和噪声数据,简单地将其拼接成单视角数据时,往往会带来维度灾难,导致数据庞大而冗余。因此,近年来多视角聚类算法受到越来越广泛的关注。

多视角聚类算法通过提取多视角间的互补性[5-7]或一致性信息[8-12]来提升聚类性能。……