一种基于动态原型自适应融合与跨模态一致性约束的多模态聚类方法

本发明公开了一种基于动态原型自适应融合与跨模态一致性约束的多模态聚类方法，属于多模态数据挖掘与无监督学习技术领域。该方法针对图像、文本、音频、视频、传感器信号等多源异构数据，分别构建各模态特征表示，并通过动态原型机制在训练过程中自适应更新各簇中心；进一步根据样本在不同模态下的聚类置信度、模态可靠性和原型距离，自适应计算模态融合权重，得到样本级聚类分配结果；同时引入跨模态一致性约束，使不同模态的聚类分布在共享语义空间内保持一致。本发明能够降低噪声模态和缺失模态对聚类结果的影响，提高多模态聚类的鲁棒性、准确性和可解释性。