在某些实际应用中,经常采用多种测量方法来提取数据的多个特征组,从而产生多视图数据。 考虑到不同方法引起的视图冲突,多视图聚类的主要挑战是找到一种同时利用所有视图的补充信息的合适方法。 从优化的角度来看,以前的多视图聚类研究使用加权和方法来表示冲突程度,并将其视为加权和单目标优化问题。 在这项工作中,我们将多视图聚类格式化为一个多目标优化问题,其中每个视图被视为一个完全独立的特征子集。 每个视图中的聚类目标函数是多个目标之一。 NSGA-II,SPEA2,MOEA / D,SMS-EMOA和NSG