基于隐变量的多视图聚类方法、装置、设备和存储介质

本申请涉及一种基于隐变量的多视图聚类方法、装置、设备和存储介质。方法包括：获取多视图数据的隐变量，根据隐变量得到样本的隐表示；利用V个神经网络将N个样本的隐表示映射到视图数据的特征空间得到各视图数据的重构数据表示，根据各重构数据表示和对应视图数据间的距离构建第一损失；根据隐表示确定隐变量的取值，对各隐变量取值进行正交化并进行模值为1的约束得到第二损失；对各视图数据和对应重构数据表示的线性核矩阵进行核对齐，对各视图数据的对齐损失进行加权融合得到第三损失；根据上述损失得到全局损失函数；优化全局损失函数，利用优化后的隐表示进行多视图聚类。采用本方法能够有效提升多模态数据的聚类性能。