[發(fā)明專利]一種自加權(quán)融合局部和全局信息的多視圖子空間聚類方法

在審

• 申請?zhí)枺?/td>: 202110803225.0
• 申請日: 2021-07-15
• 公開（公告）號: CN113554082A
• 公開（公告）日: 2021-10-26
• 發(fā)明（設(shè)計）人: 段意強(qiáng);袁浩亮;符政鑫;許斯濱;呂應(yīng)龍
• 申請（專利權(quán)）人: 廣東工業(yè)大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司 44102
• 代理人: 劉俊

1.一種自加權(quán)融合局部和全局信息的多視圖子空間聚類方法，其特征在于，包括以下步驟：

S1：采集多視圖數(shù)據(jù)并進(jìn)行預(yù)處理；

S2：通過圖學(xué)習(xí)挖掘原始多視圖數(shù)據(jù)的局部信息時加入自表示學(xué)習(xí)來挖掘原始多視圖數(shù)據(jù)的全局信息從而獲得高質(zhì)量和高魯棒性的相似度矩陣；

S3：采取自加權(quán)的方式將所有視圖的相似度矩陣進(jìn)行融合形成一致的相似度矩陣；

S4：對一致的相似度矩陣引入秩約束，使得一致的相似度矩陣中連通分量的個數(shù)等于聚類簇的個數(shù)，從而直接獲得多視圖聚類結(jié)果。

2.根據(jù)權(quán)利要求1所述的自加權(quán)融合局部和全局信息的多視圖子空間聚類方法，其特征在于，所述步驟S1中，對采集的多視圖數(shù)據(jù)進(jìn)行預(yù)處理的過程是：

使用L2范數(shù)歸一化操作對向量的每一個元素都除以得到一個新向量，L2范數(shù)歸一化通常將數(shù)據(jù)向量每個維度的數(shù)據(jù)映射到(-1,1)之間的區(qū)間即：

其中是第v個視圖的i個樣本的原始特征，是的第1個元素，是第v個視圖的i個樣本歸一化后的特征，||·||₂表示向量的L2范數(shù)。

3.根據(jù)權(quán)利要求2所述的自加權(quán)融合局部和全局信息的多視圖子空間聚類方法，其特征在于，所述步驟S2中，通過自表示學(xué)習(xí)和圖學(xué)習(xí)相結(jié)合的方式去計算多視圖數(shù)據(jù)中每個視圖數(shù)據(jù)對應(yīng)的相似度矩陣：

其中和分別是第v個視圖的第i個樣本的原始特征和第j個樣本的原始特征，表示第v視圖的原始特征，m表示視圖的數(shù)量，n表示樣本的數(shù)量，d_v表示第v視圖的特征維度，是第v個視圖的相似度矩陣，是S^v的第i列向量，1是所有元素全為1的列向量，(·)^T表示矩陣的轉(zhuǎn)置，表示矩陣的Frobenius范數(shù)的平方，表示向量的L2范數(shù)的平方，λ₁是一個平衡參數(shù)。

4.根據(jù)權(quán)利要求3所述的自加權(quán)融合局部和全局信息的多視圖子空間聚類方法，其特征在于，所述步驟S3中，采取自加權(quán)的方式將所有視圖的相似度矩陣進(jìn)行融合形成一致的相似度矩陣：

其中表示一致的相似度矩陣，diag(·)表示矩陣的對角元素。

5.根據(jù)權(quán)利要求4所述的自加權(quán)融合局部和全局信息的多視圖子空間聚類方法，其特征在于，所述步驟S4中，引入秩約束使得一致的相似度矩陣具有理想的性質(zhì)，從而直接獲得最終的聚類結(jié)果，形式如下：

其中，L_S＝D-1/2(S+S^T)是S的拉普拉斯矩陣，D是S的度矩陣，其中第i個對角元素為k是聚類簇的個數(shù)，rank(·)表示矩陣的秩。

6.根據(jù)權(quán)利要求5所述的自加權(quán)融合局部和全局信息的多視圖子空間聚類方法，其特征在于，所述步驟S4中，由于公式(1-4)中存在秩約束rank(Ls)＝n-k會使得該優(yōu)化問題變得難以求解，根據(jù)Ky Fan’s定理，將秩約束轉(zhuǎn)化為最小化問題其中σ_i(L_S)是L_S的第i小特征值，L_S的前k小的特征值均為0，即將使得L_S的秩為n-k，公式(1-4)自然轉(zhuǎn)化為如下形式：

其中，表示聚類指示矩陣，表示單位矩陣，Tr(·)表示矩陣的秩，λ₂是一個平衡參數(shù)。