南京航空航天大学学报

作者：蔡超越，马星如，郭静，胡鑫，鞠恒荣，丁卫平

单位：1南通大学人工智能与计算机学院，南通 226019；,1南通大学人工智能与计算机学院，南通 226019；,1南通大学人工智能与计算机学院，南通 226019；,1南通大学人工智能与计算机学院，南通 226019；,1南通大学人工智能与计算机学院，南通 226019;2南京大学计算机软件新技术国家重点实验室， 南京 210023；,1南通大学人工智能与计算机学院，南通 226019；

关键词：深度多视图聚类;双通道对比学习;跨视图模糊粒球;视图自适应注意力权重分配;双通道特征融合;粒计算

基金：国家自然科学基金（62006128）；南京大学计算机软件新技术国家重点实验室资助项目（KFKT2024B30）；南通市自然科学基金（JC2024044）；教育部产学合作协同育人项目（2409233550）。

针对不同视图间存在质量差异、边界样本处理困难及局部语义结构不一致等问题，本文提出了一种基于双通道粒计算的深度多视图聚类方法。通过双通道特征融合模块，利用全局平均池化通道与全局最大池化通道分别获取视图的整体语义与显著判别特征，并融合生成增强特征。同时引入双通道对比学习策略，分别在样本级特征空间和局部模糊粒球结构进行对比学习，模糊粒球级对比学习分为粒球内部模糊粒球对比学习和跨视图模糊粒球对比学习，前者在优化聚类边界的同时使得粒球内部正样本更加靠近，后者可以确保不同视图学习到一致的粒球结构。此外，本文引入了视图自适应注意力权重分配机制，提升高质量视图在聚类中的主导作用。在8个公开的多视图数据集上验证了本文方法的有效性。结果表明，本方法和现有的MFLVC，SCMVC等多视图聚类方法相比，提高了聚类的准确性。

来源：2026年第2期

《南京航空航天大学学报》期刊编辑部

查看南京航空航天大学学报杂志2026年第2期