基于差异性与一致性约束的多视数据的子空间聚类方法技术

本发明专利技术公开一种基于差异性与一致性约束的多视数据的子空间聚类方法,包括以下步骤：步骤1、多视数据子空间聚类的差异性约束；步骤2、多视数据子空间聚类的一致性约束；步骤3、多视数据的子空间聚类模型与求解。采用本发明专利技术的技术方案，充分利用多视数据的信息，提高图像的聚类性能。

【技术实现步骤摘要】
基于差异性与一致性约束的多视数据的子空间聚类方法
本专利技术属于图像分类领域，尤其涉及一种基于差异性与一致性约束的多视数据的子空间聚类方法。
技术介绍
随着科学技术的发展，数据的获取途径越来越多，大量的文本、图像、视频以及音频数据充斥着人们生活的各个方面，对大规模数据的分析与处理在科学研究领域占据着越来越重要的地位。数据内容越来越复杂导致数据维度增加，而且许多数据可以通过不同的视角观测或者多种特征描述，例如视频监控可以从不同的角度捕获同一地点的信息，图像可以通过不同的特征描述(如灰度值特征、纹理特征、空间关系特征等)。事实上，这些数据可以看作同一对象通过不同的方式或者在不同的空间中所观测到的信号，我们称其为多视数据，因此多视数据之间的信息存在一定的差异性和一致性。作为数据挖掘中的关键技术之一，聚类分析已经被广泛探讨和研究。数据聚类分析是根据一定标准将一个待聚类数据集中的对象分割为若干类或簇，使得同一类的数据尽可能相似而不同类的数据尽可能不同。对于数据的聚类问题，子空间聚类方法基于高维数据通常分布在一系列低维子空间上的假设，从不同的子空间角度考察各个数据的类别划分，并为每个划分的类别寻本文档来自技高网...

【技术保护点】
一种基于差异性与一致性约束的多视数据的子空间聚类方法,其特征在于，包括以下步骤：步骤1、多视数据子空间聚类的差异性约束利用希尔伯特施密特独立性准则(Hilbert‑Schmidt Independence Criterion，HSIC)作为多视数据子空间聚类的差异性约束,通过HSIC度量两个视图系数矩阵Z

【技术特征摘要】
1.一种基于差异性与一致性约束的多视数据的子空间聚类方法,其特征在于，包括以下步骤：步骤1、多视数据子空间聚类的差异性约束利用希尔伯特施密特独立性准则(Hilbert-SchmidtIndependenceCriterion，HSIC)作为多视数据子空间聚类的差异性约束,通过HSIC度量两个视图系数矩阵Zv和Zw的关联性，得到各个视图的差异信息，将多视数据子空间聚类的差异性度量记为如下：HSIC(Zv，Zw)＝tr(KvHKwH)其中，ω表示图像集的第ω个视图或特征,v表示图像集的第v个视图或特征,Kv，Kw是对应Zv和Zw的核矩阵，H＝I-(1/n)eeT，I为单位矩阵，e是元素值全是1的列向量。步骤2、多视数据子空间聚类的一致性约束通过图像集在不同系数矩阵中的距离度量构建一个潜在的相似矩阵反映图像集中两个图像属于同一类的概率大小，相似矩阵A中的元素应该满足如下公式：其中，aij≥0，经过整理后可以得到多视数据子空间聚类的一致性约束如下：其中，表示拉普拉斯矩阵，表示一个对角矩阵，其对角元素为元素aij反映了第i个图像与第j个图像属于同一类别的可能性度量，所述度量是根据所有视图中的结果得出的，从而可以实现对多视数据的一致性约束；步骤3、多视数据的子空间聚类模型与求解基于上述差异性与一致性约束，得到差异性与一致性共同约束的多视数据子空间聚类方法模型CD-MVSC如下：对CD-MVSC模型的求解之前，先对差异性约束项∑w≠vHSIC(Zv，Zw)进行简化处理，采用內积核Kv＝ZvTZv作为核空间映射，那么差异性约束项可以做如下变换：式中所以CD-MVSC经过整理之后可以得到：采用交替迭代的方法对式(10)进行求解，通过辅助变量S分离模型中重构误差项与其他约束项，并加入新的约束S＝Z可以得到式(10)的增广拉格朗日方程如下：

【专利技术属性】
技术研发人员：胡永利，侯成浩，孙艳丰，尹宝才，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京,11