1.一种基于对偶局部一致的约束稀疏概念分解的聚类方法，用于文本聚类，其特征包括：S10获取待聚类样本形成待聚类样本数据集；

S20针对所述待聚类样本数据集构建邻接矩阵；

S30建立基于概念分解的目标函数JDESCFS；

其中，X＝[x1,x2,...,xn]为由待聚类样本数据集构建的邻接矩阵，W为基矩阵，其中，AT n×c w×c＝[Al；Au]＝[a1,a2,...,an]∈R 是一个标签矩阵，Al∈R 表示已标记样本的类别，Au∈R(n‑w)×c c×d c×1表示未标记样本的类别，Z∈R 是一个辅助矩阵，ai∈R 中最大元素所在位置表示样本xi所属的类别，R表示实数集；α为特征空间局部一致性正则化参数，β为类别空间局部一致性正则化参数，λ为稀疏参数，Tr(·)为矩阵的迹；L为权重图的拉普拉斯矩阵且L＝D‑S，D为一个对角矩阵，其是边权矩阵Sij的行或列的和，即Dii＝∑jSij；

S40根据所述目标函数使用迭代加权的方法迭代预设次数，对基矩阵W、标签矩阵A和辅助矩阵Z进行更新；

S50采用K‑Means聚类算法对系数矩阵V进行聚类分析，其中，V＝AZ。

2.如权利要求1所述的聚类方法，其特征在于，在步骤S40中，基矩阵W、标签矩阵A和辅助矩阵Z的更新规则分别为：基矩阵W的更新规则为：

标签矩阵A的更新规则为：

辅助矩阵Z的更新规则为：

T

其中，K＝XX，