基于局部子空間學(xué)習(xí)的多視角聚類方法
【專利摘要】本發(fā)明公開了一種基于局部子空間學(xué)習(xí)的多視角聚類方法。本發(fā)明方法，包括：對數(shù)據(jù)在不同視角下進(jìn)行特征提取，并生成相應(yīng)的核矩陣，使用基于局部子空間學(xué)習(xí)的多視角方法獲得統(tǒng)一的核矩陣，使用拉普拉斯映射算法進(jìn)行映射，對低維空間中的表示采用Kmeans算法進(jìn)行聚類得到結(jié)果。本發(fā)明實(shí)現(xiàn)了多視角聚類方法，同時(shí)提高了聚類的效果。
【專利說明】
基于局部子空間學(xué)習(xí)的多視角聚類方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及數(shù)據(jù)分析技術(shù)領(lǐng)域，尤其涉及一種基于局部子空間學(xué)習(xí)的多視角聚類 方法。
【背景技術(shù)】
[0002] K-means算法是目前使用最廣泛的聚類算法之一。K-means算法適用于單一特征且 分布為聚簇形狀為凸的情況。它的根本思想是通過隨機(jī)指定初始中心，并根據(jù)與中心點(diǎn)的 距離將所有樣本劃歸到最近的中心，通過迭代更新聚類中心的值，直到算法收斂。
[0003] 因此，Kmeans算法難以同時(shí)使用同一數(shù)據(jù)的不同特征進(jìn)行聚類，而且當(dāng)數(shù)據(jù)分布 形狀不為凸時(shí)效果也不理想。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明實(shí)施例提供一種基于局部子空間學(xué)習(xí)的多視角聚類方法，以克服現(xiàn)有技術(shù) 中無法同時(shí)使用多種特征進(jìn)行聚類的問題。
[0005] 本發(fā)明實(shí)施例的基于局部子空間學(xué)習(xí)的多視角聚類方法，包括:進(jìn)行多視角特征 提取;對給定的數(shù)據(jù)使用不同的方法進(jìn)行特征提取，得到數(shù)據(jù)在不同視角下的特征。
[0006] 使用不同特征生成的核矩陣進(jìn)行多視角學(xué)習(xí)，得到統(tǒng)一的核矩陣。
[0007] 使用核矩陣進(jìn)行拉普拉斯映射，并對映射后結(jié)果使用K-means聚類。
[0008] 進(jìn)一步地，對不同的特征使用高斯核方法對不同視角下的特征進(jìn)行計(jì)算得到不同 特征的相似度核矩陣。
[0009] 進(jìn)一步地，使用不同視角下的相似度矩陣根據(jù)模型計(jì)算統(tǒng)一的相似度核矩陣，所 述模型為：
[0011 ]其中φ (Xl)在第m個(gè)視角下的高維空間中的表示，0力每一個(gè)視角在整體優(yōu) 化函數(shù)中所占的權(quán)重。α和β是正則化參數(shù)，用于控制稀疏性和懲罰項(xiàng)在優(yōu)化問題中的權(quán)重， Ζ為統(tǒng)一的核矩陣。
[0012]使用迭代方法得到統(tǒng)一的核矩陣，迭代方法為：
[0014] 其中K(m)為第m個(gè)視角下的相似度核矩陣。
[0015] 進(jìn)一步地，將統(tǒng)一的核矩陣作為輸入，使用拉普拉斯映射算法獲得低維空間中的 表不。
[0016] 進(jìn)一步地，使用K-means算法對低維空間中的表示進(jìn)行聚類。
【附圖說明】
[0017] 圖1為本發(fā)明基于局部子空間學(xué)習(xí)的多視角聚類方法流程圖。
[0018] 圖2為本發(fā)明實(shí)施例基于局部子空間學(xué)習(xí)的多視角聚類方法流程圖。
【具體實(shí)施方式】
[0019] 為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例 中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是 本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員 在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0020] 在圖像聚類方面，可以對圖像使用不同的特征提取算法進(jìn)行特征提取，例如分別 使用1^?肩50,00!1肩1'!1四種算法對圖像數(shù)據(jù)集進(jìn)行特征提取，得到的結(jié)果記為 Z:1 e，Z2 e i?-，Z3 ei?n:x4，I4 eiT"4。對不同視角下提取得到的特征使用高斯 核函數(shù)，得到核矩陣1(1，1( 2，1(3，1(4￡1^><"。將核矩陣按照步驟204所示的迭代方法進(jìn)行計(jì)算得 到統(tǒng)一的核矩陣，并作為輸入使用拉普拉映射算法獲得低維空間中的表示Y e RnXd，對Y使用 kmeans算法即可得到聚類結(jié)果。
[0021]圖2所示，本實(shí)施例方法，包括：
[0022] 步驟201、進(jìn)行多視角特征提取，對給定的數(shù)據(jù)使用不同的方法進(jìn)行特征提取，得 到數(shù)據(jù)在不同視角下的特征。
[0023] 步驟202、利用高斯核方法對不同視角下的特征進(jìn)行計(jì)算得到不同特征的相似度 矩陣。
[0024] 步驟203、利用不同視角下的相似度矩陣根據(jù)模型進(jìn)行計(jì)算，所述模型為：
[0026]其中Φ (Xl)(m)*Xl在第m個(gè)視角下的高維空間中的表示，ΘΑ每一個(gè)視角在整體優(yōu) 化函數(shù)中所占的權(quán)重。α和β是正則化參數(shù)，用于控制稀疏性和懲罰項(xiàng)在優(yōu)化問題中的權(quán)重， Ζ為統(tǒng)一的核矩陣。
[0027]步驟204、使用迭代方法得到統(tǒng)一的核矩陣，迭代方法為：
[0029] 其中K(m)為第m個(gè)視角下的相似度核矩陣。
[0030] 步驟205、將統(tǒng)一的核矩陣作為輸入，使用拉普拉斯映射算法獲得低維空間中的表 不。
[0031 ]步驟206、使用κ-means算法對低維空間中的表示進(jìn)行聚類。
[0032]本實(shí)施例，通過對數(shù)據(jù)不同特征核矩陣進(jìn)行多視角學(xué)習(xí)獲得統(tǒng)一的核矩陣并使用 拉普拉斯映射獲得低維表示進(jìn)行kmeans聚類，明顯提高了聚類的準(zhǔn)確率。
[0033]最后應(yīng)說明的是：以上各實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對其限制;盡 管參照前述各實(shí)施例對本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解:其依 然可以對前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對其中部分或者全部技術(shù)特征進(jìn) 行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù) 方案的范圍。
【主權(quán)項(xiàng)】
1. 一種基于基于局部子空間學(xué)習(xí)的多視角聚類方法，其特征在于，包括： 步驟S101:進(jìn)行多視角特征提取;對給定的數(shù)據(jù)使用不同的方法進(jìn)行特征提取，得到數(shù) 據(jù)在不同視角下的特征； 步驟S102:使用不同特征生成的核矩陣進(jìn)行多視角學(xué)習(xí)，得到統(tǒng)一的核矩陣； 步驟S103:使用核矩陣進(jìn)行拉普拉斯映射，并對映射后結(jié)果使用K-means聚類。2. 根據(jù)權(quán)利要求1所述基于基于局部子空間學(xué)習(xí)的多視角聚類方法，其特征在于，所述 步驟S102,利用高斯核方法對不同視角下的特征進(jìn)行計(jì)算得到不同特征的相似度矩陣。3. 根據(jù)權(quán)利要求2所述的基于基于局部子空間學(xué)習(xí)的多視角聚類方法，其特征在于，利 用不同視角下的相似度矩陣根據(jù)模型進(jìn)行計(jì)算，所述模型為：其中Φ 為XI在第m個(gè)視角下的高維空間中的表示，為每一個(gè)視角在整體優(yōu)化函 數(shù)中所占的權(quán)重;α和β是正則化參數(shù)，用于控制稀疏性和懲罰項(xiàng)在優(yōu)化問題中的權(quán)重，Z為 統(tǒng)一的核矩陣； 使用迭代方法得到統(tǒng)一的核矩陣，迭代方法為：其中Κ?為第m個(gè)視角下的相似度核矩陣。4. 根據(jù)權(quán)利要求1所述的基于基于局部子空間學(xué)習(xí)的多視角聚類方法，，其特征在于， 所述步驟103:將統(tǒng)一的核矩陣作為輸入，使用拉普拉斯映射算法獲得低維空間中的表示。5. 根據(jù)權(quán)利要求1所述的基于基于局部子空間學(xué)習(xí)的多視角聚類方法，，其特征在于， 所述步驟103:使用K-means算法對低維空間中的表示進(jìn)行聚類。
【文檔編號】G06K9/62GK106096628SQ201610378473
【公開日】2016年11月9日
【申請日】2016年6月1日
【發(fā)明人】馮林, 劉勝藍(lán), 劉洋
【申請人】大連理工大學(xué)