为高效利用多视图数据的一致性和互补性信息，提高多视图聚类效果，提出一种基于交叉分布对齐的深度自监督多视图聚类方法。首先，采用交叉对齐策略学习视图间的潜在联系，得到多视图共享潜在表示；然后，执行聚类操作，并将聚类结果作为伪标签信息，建立一条自监督路径；接着，在统一的框架中联合学习优化；最后，在3个公共多视图数据上进行实验，结果表明，本文提出方法的聚类评价指标均表现出较好性能。
科研之友
微信
新浪微博
Facebook
分享链接
