摘要
多视图谱聚类通过融合多源数据的互补信息，为复杂场景中的聚类任务提供了强大的建模工具。然而，现有方法存在以下三个缺陷：(1) 未能充分利用视图之间的互补性与差异性，导致跨视图一致性建模不足；(2) 对非高斯噪声敏感，导致学习到的亲和矩阵无法满足聚类所需的块对角属性，从而造成聚类性能下降；(3) 无法动态反映各视图的真实重要性，从而限制了模型的泛化能力。为了解决上述问题，我们提出了一种基于多图融合的自动加权多视图一步谱聚类方法。所提方法将视图特定的亲和矩阵学习、共识亲和矩阵学习、自适应视图加权以及聚类统一到一个单一框架中。在六个公开数据集上的实验结果验证了所提模型的有效性。
