[發明專利]一種基于非負張量環的彩色圖片聚類方法

有效

• 申請號: 201910950147.X
• 申請日: 2019-10-08
• 公開（公告）號: CN110717538B
• 公開（公告）日: 2022-06-24
• 發明（設計）人: 余煜塬;趙啟斌;周郭許
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06V10/762
• 分類號: G06V10/762;G06V10/77;G06V10/46;G06K9/62
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 郭帥

本發明提供了一種基于非負張量環的彩色圖片聚類方法，包括以下步驟：構建非負張量環分解的誤差函數，設置迭代終止條件；設置非負張量環分解的秩；對誤差函數進行求解，當達到所述終止迭代條件時，輸出更新后的所有張量核；選取特定的張量核進行矩陣化，提取彩色圖片的非負低維數據特征用于聚類。本發明的基于非負張量環的彩色圖片聚類方法，在降維以及特征提取中，引入張量環分解和非負約束，消除對秩的限制，有效提取彩色圖片的非負低維數據特征用于聚類，提高了彩色圖片數據集的聚類效果。

技術領域

本發明涉及圖片聚類領域，特別是涉及一種基于非負張量環的彩色圖片聚類方法。

背景技術

隨著時代的發展，我們進入了大數據時代。隨著技術的進步，數據收集變得越來越容易，導致數據規模越來越大、復雜性越來越高，如各種類型的貿易交易數據、Web文檔、基因表達數據、文檔詞頻數據、用戶評分數據、WEB使用數據及多媒體數據等，它們的維度(屬性)通常可以達到成百上千維，甚至更高。通常一個二維的數據我們稱之為二維張量(矩陣)，高維的數據我們統稱為高維張量。而在大自然的數據中，例如圖像，視頻，基因表達，用戶評分等等，皆為非負高維數據，所以急需處理非負高維數據的有效方法。

誰先掌握了大量的非負高維數據里有用的信息，誰就擁有了未來。但是非負高維數據的信息數量眾多，雜亂無章，而且包含大量冗余的信息。當維度增加時，算法還會面臨著“維度災難”，計算量隨著維度增加而指數倍增。如何構造一個算法使之又好又快地從非負高維數據里提取有用信息(即低維特征)，則成為當下大家重點關注的問題。

目前處理非負高維數據的側重點是利用降維分解算法提取非負高維數據的非負低維特征，而提取特征的有效性則由特征聚類實驗來驗證，現有方法有非負矩陣分解，非負張量塔克分解，非負張量列車分解。上述三者均已被提出并實現，三者的共同之處都在于把非負高維數據降維成低維的基與特征的多線性乘積，以達到降維與提取低維特征的目的。雖然此類算法在灰度圖片(黑白照片)的聚類中取得良好的效果，但由于他們對于張量秩的限制，并不能在彩色圖片(結構特殊的非負高維數據，其中一個維度為自由度3的RGB通道)上取得同樣性能。

現有的技術主要基于常規非負矩陣與張量分解，由于其秩的限制，并無法在彩色圖片上進行有效的特征提取任務。

發明內容

本發明提供了一種基于非負張量環的彩色圖片聚類方法，解決了現有技術中無法在彩色圖片上進行有效的特征提取任務，本發明能在保證原有的信息不丟失的前提下，最大限度突破瓶頸提升彩色圖片聚類的性能效果。

為解決上述問題，本發明的技術方案為：

一種基于非負張量環的彩色圖片聚類方法，包括以下步驟：

輸入彩色圖片數據集，構建非負張量環分解的誤差函數，設置所述誤差函數的迭代終止條件；

設置非負張量環分解的秩；

對所述誤差函數進行求解，當達到所述迭代終止條件時，得到所有的非負張量核；

選取特定的所述張量核進行矩陣化，提取所述彩色圖片的非負低維數據特征；

將所述非負低維數據特征輸入聚類算法，得到所述彩色圖片數據集的聚類結果。

可選的，所述誤差函數可以為：

其中，T₊為非負高維數據；Z₁,…,Z_d為擬合非負高維數據的非負張量環結構，每一個Z都代表一個三維非負張量核，d為非負高維數據的維度數，d也代表他們的順序，Z₁為第一個張量核；R₊(Z₁,…,Z_d)表示由非負張量環的解重構成的非負高維數據。