抗误差多视图聚类模型

缺失90%仍精准

通过双路径架构联合学习数据补全与误差消除，缓解插补误差累积，提升高缺失率下的聚类准确性。

马儇龙 · 折延宏 · 谢芬方 · 中国

Pattern Recognition 2026

参数信息

缺失率

90 %

技术优势

误差不再累积

双路径架构在交替最小化中互相增强，一条路径补全数据，另一条路径显式建模并消除有偏误差，从而阻止误差在迭代中放大。

缺失九成也能聚类

在缺失率高达90%的真实数据集上仍达到最先进性能，远超现有基准，适合处理严重不完整的数据。

应用场景

• 多视图数据融合：在部分视图缺失时仍能可靠融合多源数据，避免补全误差扭曲融合结果。
• 模式识别：在数据不完整的情况下仍能准确识别数据中的模式，提升识别系统的鲁棒性。
• 数据恢复：在恢复缺失视图的同时消除恢复过程中引入的误差，得到更干净的数据。
• 聚类分析：提供更准确的相似度图用于聚类，直接提升聚类结果的准确性。