缺失多视图聚类算法及其应用研究

Multi-view clustering (MVC) algorithms aim to improve the clustering performance by optimally integrating different views. However, existing MVC algorithms cannot multi-view clustering with incomplete views. To address these issues, this project intends to focus on the research on multi-view clustering with incomplete views, aiming to enable their ability in dealing with these applications. Its research contents include: 1) multi-view clustering algorithms with incomplete views; 2) localized incomplete multi-view clustering with matrix-induced regularization; 3) incomplete multi view clustering with optimal neighborhood kernels; 4) late fusion incomplete multi-view clustering; and 5) the generalization performance of the aforementioned algorithms. The theoretical analysis and implementations in this project can promote the development of theoretical research on multi-view clustering algorithms, help to remove the application barriers in the presence absent views, and further broaden its application prospects. Some preliminary research results has been published at IEEE TPAMI, IEEE TMM, Knowledge-Based Systems, Neurocomputing, AAAI, IJCAI, which has laid a solid foundation for the research work of this project.

多视图聚类算法有效地集成来自不同视图信息以达到更好的聚类性能。然而，现有多视图聚类算法不能有效处理具有缺失视图的多视图聚类问题。为解决上述难题，本项目拟开展缺失多视图聚类算法及应用研究，以增强多视图聚类算法在处理这些应用上的能力。其主要研究内容包括:1)缺失多视图聚类算法; 2)视图相关性的局部缺失多视图聚类算法; 3)最优邻居核的缺失多视图聚类算法; 4)后期融合缺失多视图聚类算法; 5)上述这些学习算法的泛化性能分析。本项目关于非完整多视图聚类算法的理论分析与算法实现，可推动多视图聚类算法的理论发展，有助于扩大其应用前景。部分前期已发表于IEEE TPAMI、IEEE TMM、Knowledge-Based Systems、Neurocomputing等国际著名期刊及AAAI、IJCAI等国际顶级会议的研究成果为本项目的顺利展开奠定了坚实基础。

多视图聚类算法有效地集成来自不同视图信息以达到更好的聚类性能。然而，现有多视图聚类算法不能有效处理具有缺失视图的多视图聚类问题。为解决上述难题，本项目开展了缺失多视图聚类算法及应用研究，以增强多视图聚类算法在处理这些应用上的能力。其主要研究内容包括：1)缺失多视图聚类算法; 2)视图相关性的局部缺失多视图聚类算法; 3)最优邻居核的缺失多视图聚类算法; 4)后期融合缺失多视图聚类算法; 5)上述这些学习算法的泛化性能分析。本项目关于非完整多视图聚类算法的理论分析与算法实现，有助于推动多视图聚类算法的理论发展，有助于扩大其应用前景。依托该项目取得系列性研究成果，已发表于IEEE TPAMI、IEEE TKDE、IEEE TNNLS、IEEE TCYB等国际著名期刊。超额完成本项目预定的目标。.