徐煜

（西南大学计算机与信息科学学院，重庆400715）

0 引言

随着技术发展，有效地处理多视图数据成为了双聚类算法的发展趋势。为有效融合多源数据信息，研究人员结合多视图学习以及双聚类算法提出了多视图双聚类算法[1]（Multi-View Bi-Clustering）算法来对多视图、多源数据进行双聚类分析。多视图双聚类算法可以利用多视图数据中隐含的共享性信息以及差异性信息指导聚类过程，进而获得更高的精度。然而，目前的多视图双聚类算法研究中，研究者使用的算法都是以单一视图的双聚类为基础，寻找不同视图间的共享特征来链接多个视图从而拓展为多视图双聚类算法，如Sun等人[1-4]算法以及Farhan等人[5]算法。Sun等人[1-2]提出了一种基于稀疏奇异值分解（SSVD）的多视图双聚类算法，该算法以单视图的稀疏奇异值为基础，引入二值向量链接两个视图将算法从单视图算法拓展为双视图双聚类算法，最终给出了适用于更多视图情况下的目标方程，从而提出了多视图稀疏奇异值分解双聚类算法。但是Sun等人[1-2]算法没有考虑视图之间信息含量差异的问题，没有合理利用多视图数据中的互补性以及一致性信息，并且该方法无法保证收敛[4]。为此他们进一步提出了一种基于稀疏低秩矩阵分解的多视图双聚类算法[3]，该算法以单视图的稀疏秩一矩阵分解算法为基础，改用对角矩阵链接多个视图获取双聚簇。但是该方法需要预先定义双聚类簇的大小，即簇中行的数量[4]，在面对未知簇类的数据集时，该方法不适用。……