[發(fā)明專利]一種基于自適應(yīng)圖濾波器下的特征聚類方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810431379.X
• 申請(qǐng)日: 2018-05-08
• 公開（公告）號(hào): CN108875782A
• 公開（公告）日: 2018-11-23
• 發(fā)明（設(shè)計(jì)）人: 舒華忠;陳曉鵬;孔佑勇;伍家松;楊淳沨
• 申請(qǐng)（專利權(quán)）人: 東南大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 葛瀟敏

1.一種基于自適應(yīng)圖濾波器下的特征聚類方法，其特征在于包括如下步驟：

步驟1，特征數(shù)據(jù)規(guī)范化，同一維度的特征要求單位化；

步驟2，特征數(shù)據(jù)標(biāo)簽記錄，提供一定量的先驗(yàn)知識(shí)；

步驟3，構(gòu)建基于數(shù)據(jù)源的圖信號(hào)，將數(shù)據(jù)映射到數(shù)據(jù)結(jié)構(gòu)圖上，獲取初始圖信號(hào)s^(known)；

步驟4，全變分平滑濾波，獲得降噪后的圖信號(hào)s^(true)；

步驟5，圖濾波器自匹配，獲得抽頭數(shù)組h；

步驟6，全局濾波，獲得分類結(jié)果s^(pred)。

2.如權(quán)利要求1所述的一種基于自適應(yīng)圖濾波器下的特征聚類方法，其特征在于：所述步驟2的具體過程是：從特征數(shù)據(jù)中隨機(jī)抽取一定量的樣本，并賦予一定的標(biāo)簽值，正例賦+1，負(fù)例賦-1，其余位被選中的特征數(shù)據(jù)賦0。

3.如權(quán)利要求1所述的一種基于自適應(yīng)圖濾波器下的特征聚類方法，其特征在于：所述步驟3的具體過程是：

步驟3.1，假設(shè)數(shù)據(jù)數(shù)量為N，每條特征為L(zhǎng)×K的信息矩陣；索引圖G＝(A,V)，將數(shù)據(jù)源中每一個(gè)獨(dú)立數(shù)據(jù)直接映射為獨(dú)立的圖頂點(diǎn)，其頂點(diǎn)組成頂點(diǎn)集合V；

步驟3.2，U_i表示圖信號(hào)上頂點(diǎn)i的信息矩陣(L×K)，d_nm表示圖信號(hào)中頂點(diǎn)n和頂點(diǎn)m數(shù)據(jù)之間的特征距離，有如下定義：

d_nm＝‖U_n-U_m‖_F

其中，U_n、U_m分別表示圖信號(hào)上頂點(diǎn)n、m的信息矩陣；

從V₁開始遍歷到V_n，對(duì)每個(gè)點(diǎn)運(yùn)用K近鄰搜索算法，得到頂點(diǎn)的近鄰集；

步驟3.3，A是N×N的鄰接矩陣，A_n,m≧0，滿足如下條件：

A·1_N＝1_N

其中，1_N表示全1的列向量，d_nm表示的是圖信號(hào)中頂點(diǎn)n處的數(shù)據(jù)信息和頂點(diǎn)m處的空間距離，對(duì)A有如下定義：

其中，分別表示頂點(diǎn)V_n、V_m的近鄰集，d_nk、d_ml分別表示圖信號(hào)中頂點(diǎn)n和頂點(diǎn)k、頂點(diǎn)m和頂點(diǎn)l數(shù)據(jù)之間的特征距離；

步驟3.4，圖信號(hào)的數(shù)字形式如下：

上式中，s_i的值就是步驟2中賦給頂點(diǎn)的標(biāo)簽，至此，依托于圖G的圖信號(hào)S構(gòu)建完成。

4.如權(quán)利要求3所述的一種基于自適應(yīng)圖濾波器下的特征聚類方法，其特征在于：所述步驟3.2中，采用的是Frobenius范數(shù)，定義如下：假設(shè)M為m×n的矩陣，則其Frobenius范數(shù)為：

其中，M_ij表示M第i行第j列元素。

5.如權(quán)利要求1所述的一種基于自適應(yīng)圖濾波器下的特征聚類方法，其特征在于：所述步驟4中，圖信號(hào)理論下的全變分理論，其定義如下；

其中，s代表輸入的圖信號(hào)，A是圖信號(hào)s的底層圖的鄰接矩陣，λ_max表示鄰接矩陣A的最大特征值；

在初始圖信號(hào)上，利用優(yōu)化求解：

S^(true)＝argmin TV_G(s)。