MCSS：基于样本稳定性在多视图聚类中发现一致确定的关系

《ACM Transactions on Knowledge Discovery from Data》：MCSS: Discovering Consistently Determined Relation in Multi-view Clustering Based on Sample’s Stability

多视图聚类中样本稳定性用于识别一致确定关系，区分稳定与不稳定区域后先聚类稳定区域再分配不稳定样本，在九个数据集上验证了MCSS方法的有效性。

　　

摘要

多视图聚类旨在发现广泛存在的多视图数据中的群体知识。一致性是有效处理多视图数据聚类问题的基本因素之一。观察发现，存在两种类型的一致性关系：一致模糊关系和一致确定关系，它们对聚类的影响分别为负面和正面。然而，大多数现有的多视图聚类方法在处理一致性关系时并未加以区分。本文定义了样本在多视图聚类意义上的稳定性，以识别一致确定的关系。理论上，稳定性较高的样本在所有视图中与其他样本之间具有一致确定的关系，表明具有清晰的聚类结构。通过实验分析验证了样本在多视图中的稳定性的合理性。进一步提出了一种基于样本稳定性的多视图聚类方法（MCSS）。该方法首先计算样本的稳定性，并将样本划分为稳定区域和不稳定区域；然后发现稳定区域内的聚类结构；最后根据预先发现的聚类结构对不稳定区域中的样本进行分配。通过与十种多视图聚类方法进行比较，证明了基于样本稳定性的该方法的有效性。演示代码可访问：https://github.com/FeijiangLi/MCSS。