[發(fā)明專利]一種手寫體數(shù)字圖像聚類方法、系統(tǒng)及設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 201711365229.5
• 申請(qǐng)日: 2017-12-18
• 公開（公告）號(hào): CN108108687A
• 公開（公告）日: 2018-06-01
• 發(fā)明（設(shè)計(jì)）人: 羅曉慧;張莉;李凡長(zhǎng);王邦軍;張召;凌興宏;姚望舒
• 申請(qǐng)（專利權(quán)）人: 蘇州大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 羅滿

1.一種手寫體數(shù)字圖像聚類方法，其特征在于，包括：

獲取手寫體數(shù)字圖像對(duì)應(yīng)的樣本數(shù)據(jù)集；

利用聚類算法從所述樣本數(shù)據(jù)集中確定出m個(gè)聚類中心作為錨點(diǎn)，得到m個(gè)錨點(diǎn)；其中，m為正整數(shù)；

利用所述錨點(diǎn)確定所述樣本數(shù)據(jù)集中不同樣本數(shù)據(jù)之間的相似性矩陣；

對(duì)所述相似性矩陣進(jìn)行特征分解，以得到低維嵌入；

利用聚類算法對(duì)所述低維嵌入進(jìn)行聚類，以得到每個(gè)樣本數(shù)據(jù)對(duì)應(yīng)的聚類類別標(biāo)簽；

結(jié)合所述聚類類別標(biāo)簽以及集成學(xué)習(xí)算法，確定出每個(gè)樣本數(shù)據(jù)的最終分類結(jié)果。

2.根據(jù)權(quán)利要求1所述的手寫體數(shù)字圖像聚類方法，其特征在于，所述利用聚類算法從所述樣本數(shù)據(jù)集中確定出m個(gè)聚類中心作為錨點(diǎn)的步驟，包括：

利用k-means算法從所述樣本數(shù)據(jù)集中確定出m個(gè)聚類中心作為錨點(diǎn)。

3.根據(jù)權(quán)利要求1所述的手寫體數(shù)字圖像聚類方法，其特征在于，所述利用所述錨點(diǎn)確定所述樣本數(shù)據(jù)集中不同樣本數(shù)據(jù)之間的相似性矩陣的步驟，包括：

計(jì)算樣本數(shù)據(jù)與錨點(diǎn)之間的歐氏距離；

利用樣本數(shù)據(jù)與錨點(diǎn)之間的歐氏距離，確定樣本數(shù)據(jù)與錨點(diǎn)之間的相似性矩陣；

利用樣本數(shù)據(jù)與錨點(diǎn)之間的相似性矩陣，確定所述樣本數(shù)據(jù)集中不同樣本數(shù)據(jù)之間的相似性矩陣。

4.根據(jù)權(quán)利要求1所述的手寫體數(shù)字圖像聚類方法，其特征在于，所述利用聚類算法對(duì)所述低維嵌入進(jìn)行聚類的步驟，包括：

利用k-means算法對(duì)所述低維嵌入進(jìn)行聚類。

5.根據(jù)權(quán)利要求1至4任一項(xiàng)所述的手寫體數(shù)字圖像聚類方法，其特征在于，所述結(jié)合所述聚類類別標(biāo)簽以及集成學(xué)習(xí)算法，確定出每個(gè)樣本數(shù)據(jù)的最終分類結(jié)果的步驟之前，還包括：

對(duì)所述聚類類別標(biāo)簽進(jìn)行修正。

6.根據(jù)權(quán)利要求5所述的手寫體數(shù)字圖像聚類方法，其特征在于，所述對(duì)所述聚類類別標(biāo)簽進(jìn)行修正的步驟，包括：

利用bestMap算法對(duì)所述聚類類別標(biāo)簽進(jìn)行修正。

7.一種手寫體數(shù)字圖像聚類系統(tǒng)，其特征在于，包括：

數(shù)據(jù)獲取模塊，用于獲取手寫體數(shù)字圖像對(duì)應(yīng)的樣本數(shù)據(jù)集；

錨點(diǎn)確定模塊，用于利用聚類算法從所述樣本數(shù)據(jù)集中確定出m個(gè)聚類中心作為錨點(diǎn)，得到m個(gè)錨點(diǎn)；其中，m為正整數(shù)；

矩陣確定模塊，用于利用所述錨點(diǎn)確定所述樣本數(shù)據(jù)集中不同樣本數(shù)據(jù)之間的相似性矩陣；

特征分解模塊，用于對(duì)所述相似性矩陣進(jìn)行特征分解，以得到低維嵌入；

標(biāo)簽獲取模塊，用于利用聚類算法對(duì)所述低維嵌入進(jìn)行聚類，以得到每個(gè)樣本數(shù)據(jù)對(duì)應(yīng)的聚類類別標(biāo)簽；

樣本分類模塊，用于結(jié)合所述聚類類別標(biāo)簽以及集成學(xué)習(xí)算法，確定出每個(gè)樣本數(shù)據(jù)的最終分類結(jié)果。

8.根據(jù)權(quán)利要求7所述的手寫體數(shù)字圖像聚類系統(tǒng)，其特征在于，

所述錨點(diǎn)確定模塊，具體用于利用k-means算法從所述樣本數(shù)據(jù)集中確定出m個(gè)聚類中心作為錨點(diǎn)。

9.根據(jù)權(quán)利要求7或8所述的手寫體數(shù)字圖像聚類系統(tǒng)，其特征在于，所述矩陣確定模塊，包括：

距離計(jì)算單元，用于計(jì)算樣本數(shù)據(jù)與錨點(diǎn)之間的歐氏距離；

第一矩陣確定單元，用于利用樣本數(shù)據(jù)與錨點(diǎn)之間的歐氏距離，確定樣本數(shù)據(jù)與錨點(diǎn)之間的相似性矩陣；

第二矩陣確定單元，用于利用樣本數(shù)據(jù)與錨點(diǎn)之間的相似性矩陣，確定所述樣本數(shù)據(jù)集中不同樣本數(shù)據(jù)之間的相似性矩陣。

10.一種手寫體數(shù)字圖像聚類設(shè)備，其特征在于，包括處理器和存儲(chǔ)器；其中，所述處理器執(zhí)行所述存儲(chǔ)器中保存的計(jì)算機(jī)程序代碼時(shí)實(shí)現(xiàn)如權(quán)利要求1至6任一項(xiàng)所述的手寫體數(shù)字圖像聚類方法。