一种基于张量学习和主动重构的后期融合多核聚类方法及系统

本发明公开了一种基于张量学习和主动重构的后期融合多核聚类方法及系统，涉及信息聚类技术领域，首先获取目标数据样本和聚类任务，将所述目标数据样本映射至希尔伯特空间，生成多核矩阵；对后期融合多核聚类中的基划分矩阵进行主动重构；对主动重构后的基划分矩阵施加低秩张量约束；建立后期融合多核聚类方法的目标函数；对所有变量进行初始化操作；利用交替方向乘子方法，通过固定其他变量，依次对某一变量进行更新优化；对目标函数的收敛阈值进行限定，当目标函数值的变化波动小于阈值时，优化过程停止；将直接学习到的一致性划分矩阵作为输入，通过K均值聚类算法得到样本标签信息和聚类结果。本发明提出的聚类方案具有显著的有效性和高效性。