【技术实现步骤摘要】
本专利技术涉及一种数据聚类分析方法，特别是涉及一种基于Grassmann流形的数据 聚类分析方法。
技术介绍
随着大数据时代的到来，对海量的复杂数据进行有效分析是成功解决诸多问题的 关键。比如在人脸识别、图像分类以及图像分割、运动分割等计算机视觉问题和模式识别问 题中，要求准确地对所提取数据的几何结构进行分析。这些数据具有复杂的结构，它们可能 存在于不同的子空间上，这些子空间或是相互独立，或相互关联。并且这些数据的几何结构 已经不在平直的欧式空间上，而是服从某些流形空间。因此基于子空间或流形空间能够更 准确地分析数据的几何结构，从而解决复杂数据聚类分析等问题。Grassmann流形是李群流 形中的一种熵流形，不仅具有光滑曲面的空间表达方式，且具有更为适合度量数据点之间 距离的特性，可以使聚类结果更加准确，所以本申请提出基于Grassmann流形的数据聚类 分析方法。
技术实现思路
本专利技术的目的在于提供，该方法不 仅对能够分布在不同子空间上的数据进行有效聚类，而且能够对具有复杂几何结构的数据 集合进行分析，在流形空间上进行有效聚类，提高聚类的准确...
【技术保护点】
一种基于Grassmann流形的数据聚类分析方法，其特征在于，所述方法为一种用于视频图像序列的融合双边滤波的协方差跟踪方法；按如下步骤进行：步骤1：输入个数据点，待聚类数目k；步骤2：基于Grassmann流形上两点之间的距离公式，计算数据点之间的距离，构造相似性矩阵；其中p和q为Grassmann流形上的两个点，p和q之间的主角度为；步骤3： 构造拉普拉斯矩阵L=D‑1/2SD‑1/2，其中D为对角矩阵，；步骤4：求拉普拉斯矩阵L的k个最大特征值对应的特征向量，并且构造矩阵，其中为列向量；步骤5：单位化的行向量，得到矩阵，其中；步骤6：将的每一行看成是空间内的...
【技术特征摘要】
【专利技术属性】
技术研发人员：谢英红，韩晓微，涂斌斌，
申请(专利权)人：沈阳大学，
类型：发明
国别省市：辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。