[發(fā)明專利]一種用于高維圖像數(shù)據(jù)的自主子空間聚類方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910560704.7
• 申請(qǐng)日: 2019-06-26
• 公開(kāi)（公告）號(hào): CN110414560B
• 公開(kāi)（公告）日: 2022-06-07
• 發(fā)明（設(shè)計(jì)）人: 杜博;劉友發(fā);張樂(lè)飛
• 申請(qǐng)（專利權(quán)）人: 武漢大學(xué)
• 主分類號(hào): G06V10/762
• 分類號(hào): G06V10/762;G06K9/62
• 代理公司: 武漢科皓知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 嚴(yán)彥

1.一種用于高維圖像數(shù)據(jù)的自主子空間聚類方法，其特征在于，包括以下步驟：

步驟1，獲取高維圖像數(shù)據(jù)，基于自主學(xué)習(xí)正則化項(xiàng)，通過(guò)求解樣本權(quán)重的優(yōu)化問(wèn)題來(lái)學(xué)習(xí)樣本的權(quán)重；

步驟2，通過(guò)帶權(quán)重的自表示模型求自表示系數(shù)；

步驟3，利用自表示系數(shù)建立樣本的相似度圖；

步驟4，基于步驟3所得樣本的相似度圖進(jìn)行譜聚類；

步驟5，檢驗(yàn)收斂條件，若不滿足則返回步驟1，若滿足則流程終止，得到最終的自主子空間聚類結(jié)果；

步驟1中，求解樣本權(quán)重的優(yōu)化問(wèn)題如下，

其中，w_i表示第i個(gè)樣本x_i的權(quán)重，||·||₁表示l₁范數(shù)，設(shè)有N個(gè)樣本構(gòu)成的矩陣X＝[x₁,K,x_N]，N為樣本總數(shù)，z_i為x_i的自表示系數(shù)，E_i為樣本x_i的噪聲，E_i＝x_i-Xz_i；自主學(xué)習(xí)正則化項(xiàng)衰減因子γ和控制學(xué)習(xí)復(fù)雜度的參數(shù)為自主學(xué)習(xí)參數(shù)，其中γ＞0；

樣本權(quán)重的優(yōu)化問(wèn)題的解為，

其中，為權(quán)重w_i的最優(yōu)解。

2.根據(jù)權(quán)利要求1所述的用于高維圖像數(shù)據(jù)的自主子空間聚類方法，其特征在于：步驟2中通過(guò)帶權(quán)重的自表示模型求自表示系數(shù)，實(shí)現(xiàn)方式為求解如下優(yōu)化問(wèn)題：

s.t.X＝XZ+E,diag(Z)＝0，

其中，||·||₁為l₁范數(shù)，X＝[x₁,K,x_N]為N個(gè)樣本構(gòu)成的矩陣，相應(yīng)噪聲矩陣E＝[E₁,K,E_N]，diag(Z)表示變量自表示系數(shù)矩陣Z＝[Z_ij]_{1≤i≤N,1≤j≤N}的所有對(duì)角元組成的向量，Z_ij為系數(shù)矩陣Z第i行第j列的元素；o表示矩陣的逐點(diǎn)乘積；λ＞0和α＞0均為折衷參數(shù)；流形正則化項(xiàng)||ΘoZ||₁使得被分割進(jìn)不同子空間的樣本的相似度變小，Θ為示性矩陣。

3.根據(jù)權(quán)利要求2所述的用于高維圖像數(shù)據(jù)的自主子空間聚類方法，其特征在于：步驟3中所述利用自表示系數(shù)建立樣本的相似度圖，實(shí)現(xiàn)過(guò)程為建立相似度矩陣其中，|Z|表示對(duì)矩陣Z中的每一個(gè)元素取絕對(duì)值后得到的矩陣，Z^T表示矩陣Z的轉(zhuǎn)置。