[發明專利]基于自適應鄰近點的多視角聚類方法

在審

• 申請號: 201811559259.4
• 申請日: 2018-12-21
• 公開（公告）號: CN109784374A
• 公開（公告）日: 2019-05-21
• 發明（設計）人: 聶飛平;蔡國豪;王榕;于為中;李學龍
• 申請（專利權）人: 西北工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 常威威

1.一種基于自適應鄰近點的多視角聚類方法，其特征在于步驟如下：

步驟1：對于待聚類樣本，利用視覺特征算子計算得到其不同視角的特征矩陣，記為第v個視角的特征矩陣，v＝1,…,V，V為總的視角數量，n是樣本數據個數，為第i個樣本數據在第v個視角下的特征向量，所述的視覺特征算子包括SIFT、HOG、LBP、ColorMatrix；

然后，對不同視角下的樣本數據進行預處理，得到預處理后的樣本數據，即：

其中，表示中所有元素的均值，σ(·)表示標準差；

初始化各視角的權重均為構建帶秩約束的函數模型如下：

其中，S∈R^n×n表示相似度矩陣，即樣本數據之間的鄰接圖，s_ij表示矩陣S中的第i行j列元素，s_i表示矩陣S中的第i行向量，第二項為懲罰項，α＞0，L_s為相似度矩陣S對應的拉普拉斯矩陣，c表示聚類簇的個數，rank(·)表示求矩陣的秩；

采用拉格朗日乘子法對上述函數模型進行求解，得到相似度矩陣S，即初始鄰接圖；

步驟2：構建基于自學習權重的多視角聚類函數模型如下：

其中，參數α的計算公式為：

其中，f_i為第i個樣本數據對應的指示向量，n個指示向量構成指示矩陣F，自學習權重w_v的計算公式為：

采用如下的迭代方法求解函數模型(3)，得到最終的最優鄰接圖S，具體為：

步驟a：利用步驟1得到的初始鄰接圖S，以及其對應的拉普拉斯矩陣L_S，按以下公式初始化指示矩陣F：

步驟b：固定w_v和F，按以下公式更新鄰接圖S：

其中，d_i為由d_ij構成的n維向量，j＝1,…,n；

步驟c：固定S，按公式(6)更新權重參數w_v，并按以下公式更新指示矩陣F：

步驟d：重復步驟b-c，直至相鄰兩次計算得到的函數值之差小于0.0001，停止計算，此時得到的S即為最終的最優鄰接圖；

步驟3：利用記載在文獻“Tarjan.Depth-first search and linear graphalgorithms[C].Symposium on Switching&Automata Theory.IEEE,2008.”中的Tarjan's算法計算步驟2得到的最優鄰接圖S中的連通分量，即為最終的聚類結果。