[發(fā)明專利]基于隱表示和自適應的多視圖子空間聚類方法

在審

• 申請?zhí)枺?/td>: 201810801776.1
• 申請日: 2018-07-20
• 公開（公告）號: CN109002854A
• 公開（公告）日: 2018-12-14
• 發(fā)明（設計）人: 王秀美;張越美;高新波;張?zhí)煺?/a>;李潔;鄧成;田春娜
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 陳宏社;王品華

1.一種基于隱表示和自適應的多視圖子空間聚類方法，其特征在于，實現(xiàn)步驟如下：

(1)獲取原始數(shù)據(jù)集的多視圖數(shù)據(jù)矩陣

從原始數(shù)據(jù)集包含的多幅圖像中分別提取不同類型的特征數(shù)據(jù)，相同特征數(shù)據(jù)組成視圖矩陣，多個視圖矩陣組成原始數(shù)據(jù)集的多視圖數(shù)據(jù)矩陣其中，X^(v)表示第v個視圖矩陣，v＝1,2,…,m，m表示視圖矩陣的數(shù)目，m≥2；

(2)計算多視圖數(shù)據(jù)矩陣的拉普拉斯矩陣

(3)構建基于隱表示和自適應的多視圖子空間聚類的目標函數(shù)J：

(3a)將分解為多視圖隱表示矩陣H和多視圖基矩陣設置X^(v)的基矩陣P^(v)的約束為O，O表示P^(v)P^(v)T＝I，將與和H乘積的差作為誤差重構項其中，I表示單位矩陣，(·)^T表示矩陣的轉(zhuǎn)置；

(3b)計算的度量設的自適應權重為是的權重參數(shù)，其中，表示矩陣F范數(shù)的平方，γ表示調(diào)節(jié)參數(shù)，γ≥0，

(3c)將多視圖隱表示矩陣H分解為多視圖隱表示矩陣H和多視圖自表示系數(shù)矩陣Z，將H與H和Z乘積的差作為誤差重構項E_r，E_r＝H-HZ，并計算E_r的度量||E_r||_2,1，設||E_r||_2,1的權重為λ₁，其中，||·||_2,1表示矩陣的2,1范數(shù)；

(3d)構造多視圖自表示系數(shù)矩陣Z的低秩約束項||Z||_*，設置||Z||_*的權重為λ₂，其中||·||_*表示矩陣的核范數(shù)；

(3e)利用拉普拉斯矩陣構造多視圖數(shù)據(jù)矩陣內(nèi)的相似性約束項設置的權重為λ₃，其中，tr(·)表示矩陣的跡；

(3f)將||E_r||_2,1、||Z||*和進行加權相加，得到基于隱表示和自適應的多視圖子空間聚類的目標函數(shù)J：

(4)對目標函數(shù)J進行優(yōu)化：

采用交替方向乘子法對目標函數(shù)J進行優(yōu)化，將A作為Z的輔助矩陣變量，并且設置A的約束為A＝Z，將作為的Lagrangian乘子，將Q₁作為E_r＝H-HZ的Lagrangian乘子，將Q₂作為A＝Z的Lagrangian乘子，得到優(yōu)化后的目標函數(shù)J'：

其中，＜·,·＞表示矩陣的內(nèi)積，μ表示正則化系數(shù)；

(5)對優(yōu)化后的目標函數(shù)J'中的變量進行初始化：

將J'中的Z、E_r、Q₁、Q₂和A包含的所有元素初始化為0，H包含的所有元素初始化為(0,1)之間的隨機數(shù)，將μ初始化為0.001；

(6)對優(yōu)化后的目標函數(shù)J'中的變量進行交替迭代：

對J'中的變量H、Z、E_r、A、Q₁、Q₂和μ進行交替迭代，得到與各變量的迭代更新表達式H_S、Z_S、E_rS、A_S、Q_1S、Q_2S和μ_S；

(7)計算優(yōu)化后的目標函數(shù)J'中變量Z的值：

(7a)設定優(yōu)化后的目標函數(shù)J'的最大迭代次數(shù)；

(7b)利用J'中的各變量的迭代更新表達式對相應的變量進行迭代更新，直到迭代次數(shù)與設定的最大迭代次數(shù)相等時停止迭代，得到更新后的多視圖自表示系數(shù)矩陣

(8)對原始數(shù)據(jù)集進行聚類：

(8a)計算原始數(shù)據(jù)集的相似度矩陣S；

(8b)計算原始數(shù)據(jù)集的聚類結果：

(8b1)對相似度矩陣S的每一行求和得到的向量t進行對角化，得到S的度矩陣D，并計算的拉普拉斯矩陣L，

(8b2)對拉普拉斯矩陣L進行特征值分解，得到特征值集合E和E中的每個特征值對應的特征向量組成的矩陣T；

(8b3)對E中的特征值按照從小到大的順序進行排列，得到特征值集合E'，取E'的前K個特征值組成集合E_K，并從T中選取與E_K中的每個特征值對應的特征向量組成特征向量矩陣T'，再將T'每一行歸一化的結果作為樣本數(shù)據(jù)點，其中，K表示T'中樣本數(shù)據(jù)點的類別數(shù)，2≤K＜N，N表示原始數(shù)據(jù)集中樣本數(shù)據(jù)點的數(shù)目；

(8b4)隨機選取T'中的K個樣本數(shù)據(jù)點，并將每個樣本數(shù)據(jù)點作為初始的一類的聚類中心，得到K個聚類中心組成的聚類中心集合R；

(8b5)計算T'中每個樣本數(shù)據(jù)點到R中的每個聚類中心的歐式距離，并將各樣本數(shù)據(jù)點分配到與自身歐氏距離最小的聚類中心所屬的類別中，計算屬于第k個類別的樣本數(shù)據(jù)點的均值作為第k個類別的聚類中心，得到K個類別的聚類中心，實現(xiàn)對R進行更新，其中，k＝1,2,…,K；

(8b6)重復執(zhí)行步驟(8b5)，直到聚類中心集合R不再發(fā)生變化為止，得到原始數(shù)據(jù)集的聚類結果。