田彦彦，孙 静,2

（1.郑州工业应用技术学院机电工程学院，河南 郑州451100；2.吉林大学软件学院，吉林 长春130000；）

1 引言

随着计算机技术的发展，数据的大规模增长和信息系统的云服务化成为基础应用，海量化、多样化和复杂化成为数据处理的常态，如何从这些数据中提取有用信息，逐渐被人们所重视，聚类可以从各种无标记数据中通过一定的判断策略发现数据的内在关联而实现无监督聚类，对分析或挖掘热点话题等信息具有重要的作用，已在计算机视觉、数据挖掘、审计评定、云计算、自动化控制以及网络安全等学科领域具有众多的应用，也是近几年数据处理领域研究的重点［1］。

模糊聚类［2］基于模糊集理论分析数据集中数据对各个聚类中心的模糊隶属度，基于模糊集理论可以实现更准确的聚类分析，多视角聚类［3］通常以传统聚类方法为基础，将其目标函数扩展为多视角，并对扩展后的目标函数添加约束以平衡视角一致性和聚类贡献的差异性。为此，文献［4］联合视角内划分与视角间协同的学习机制，提出多代表点一致的多视角模糊聚类算法，并通过拉格朗日乘子和KKT条件进行目标函数优化；文献［5］基于稀疏相似和最大熵提出两级变权的多视角自适应聚类算法；文献［6］联合NMF协同提高多视角聚类的相似矩阵计算，以独立准则共享视角信息，从而优化冗余共享提高算法聚类性能。

分布式计算有效提高了大规模数据集聚类的处理效率……