[發明專利]一種多視子空間聚類方法及裝置

在審

• 申請號: 202011330698.5
• 申請日: 2020-11-24
• 公開（公告）號: CN112418319A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 孫艷豐;郭繼鵬;胡永利
• 申請（專利權）人: 北京工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京市中聞律師事務所 11388
• 代理人: 馮夢洪

1.一種多視子空間聚類方法，其特征在于：該方法包括以下步驟：

(1)獲取原始數據集的多視特征矩陣

(2)對于給定的多視數據X_v，根據低秩自表示子空間聚類方法,對每個視數據的表示系數矩陣Z_v分別進行低秩約束和秩結構一致性約束,構建基于低秩矩陣分解和秩結構一致性約束的多視子空間聚類模型；

(3)對于構造的多視子空間聚類模型，采用交替方向乘子法求解優化問題，得到秩結構一致的多視自表示系數矩陣；

(4)將多視自表示系數矩陣融合得到關聯矩陣W，對關聯矩陣W執行譜聚類得到最后的聚類結果。

2.根據權利要求1所述的多視子空間聚類方法，其特征在于：所述步驟(2)中，對于每個視的自表示系數矩陣進行矩陣分解，并且

3.根據權利要求2所述的多視子空間聚類方法，其特征在于：所述步驟(1)中，對于所述原始數據集中的每個樣本，采用不同的特征提取器提取不同類型的數據特征，進而組成多視數據特征矩陣其中n是數據集樣本個數，V是多視個數，d_v是第v視數據特征的維度。

4.根據權利要求3所述的多視子空間聚類方法，其特征在于：所述步驟(2)中，所述基于秩結構一致性的多視子空間聚類模型為：

s.t.X_v＝X_vZ_v+E_v，rank(Z₁)＝…＝rank(Z_V)≤k,

其中Z_v∈R^n×n是第v視的低秩表示系數矩陣，擬合第v視數據特征的噪聲，λ是正則化參數平衡低秩項和噪聲稀疏項的重要性，rank(Z₁)＝…＝rank(Z_V)≤k是秩一致性結構約束，保證多視自表示系數矩陣的結構一致性，k是低秩表示系數矩陣的秩上界，k＜＜n。

5.根據權利要求4所述的多視子空間聚類方法，其特征在于：所述步驟(2)的矩陣分解中，||Z_v||_*＝||C||_*，rank(Z_v)＝rank(C)對于任意的視v；得到便于優化求解得模型為：

s.t.X_v＝X_vZ_v+E_v,

其中，視特定的表示系數矩陣被分解為三矩陣相乘，并且左右矩陣正交，中間共享一個公共的核矩陣C，保證自表示系數矩陣的結構一致性，并且能夠最大化挖掘互補信息提升聚類效果。

6.根據權利要求5所述的多視子空間聚類方法，其特征在于：所述步驟(3)中，采用交替方向乘子法求解公式(2)得到秩結構一致的多視自表示系數矩陣，公式(2)的增廣拉格朗日函數為

其中A，B表示矩陣A和B的內積，μ是懲罰系數，是拉格朗日乘子；交替優化上述增廣拉格朗日函數中的所有變量直至收斂。

7.根據權利要求6所述的多視子空間聚類方法，其特征在于：所述步驟(3)中，交替優化上述增廣拉格朗日函數中的所有變量直至收斂的步驟為：

固定其他變量，更新L_v：

固定其他變量，更新R_v：

固定其他變量，更新C：

固定其他變量，更新Z_v：

固定其他變量，更新E_v：

固定其他變量，更新拉格朗日乘子和懲罰系數：

其中

重復執行上述變量更新步驟直到達到收斂條件：得到用于最后融合聚類的視特定的表示系數矩陣Z_v。