基于软块对角的多视聚类方法技术

本发明专利技术提出一种基于软块对角的多视聚类方法，涉及模式识别和机器学习等领域，尤其是面向人脸图像的不完整多视角数据的聚类任务。该方法在基于多视角数据自表示的模型上引入软块对角正则化，对学习到的多图进行融合，最终把得到的软块对角相似度矩阵执行NCut操作。相比于传统的硬块对角正则化，软块对角正则化对噪声和异常值更加鲁棒。完成了不完整多视聚类任务，提高了识别正确率。

Multi view clustering method based on soft block diagonal

【技术实现步骤摘要】
基于软块对角的多视聚类方法
本专利技术涉及模式识别和机器学习等领域，尤其是面向人脸图像的不完整多视角数据的聚类任务。
技术介绍
多视角数据聚类是当前数据挖掘领域的研究热点之一，在机器学习，模式识别和计算机视觉等方面都有着广泛的应用。相比于单视角图像视频数据，多视角数据可以看作对同一对象不同视角的采样，这种多视角采样提供了更全面的对象或场景的信息，有益于解决聚类应用中常用的光照和遮挡等问题。而如何获取多视视频数据的类别等语义信息，是多视视频大数据高效组织和有效利用的关键问题，这一问题的解决依赖于聚类分析中的无监督聚类方法的突破。在聚类任务中，为了对具有K个类别的数据进行聚类，理想的相似矩阵应该具有精确的K个对角块，其中来自相同块的数据自然地被视为一个类别，这种块对角正则化策略通常被嵌入到谱聚类算法中以提高聚类性能，但仍存在若干缺点。一方面，它们被设计用于多个图的数据，而不是原始的多视角数据或特征。另一方面，这使得块对角矩阵具有恰好具有K个连通分量，其中K是类别的数量，忽略了噪声和异常值的重要性。传统的多视聚类方法假设所有样本的各视本文档来自技高网...

【技术保护点】
1.基于软块对角的多视聚类方法，适用于完整以及不完整的多视数据，其特征在于包括以下步骤：/n(1)将样本数为N，类别数为K的图像数据集，提取LBP,Gabor，及Gist特征，作为完整数据多视聚类模型的三个视角输入：X

【技术特征摘要】
1.基于软块对角的多视聚类方法，适用于完整以及不完整的多视数据，其特征在于包括以下步骤：
(1)将样本数为N，类别数为K的图像数据集，提取LBP,Gabor，及Gist特征，作为完整数据多视聚类模型的三个视角输入：X1，X2及X3；对于不完整多视聚类，先随机从每个视角中删除0.1-0.4的样本，再提取LBP,Gabor及Gist特征，作为不完整数据多视聚类模型的三个视角输入：Y1，Y2及Y3；
(2)通过基于软块对角策略的多视聚类方法MVC-SBD和IMVC-SBD分别对完整和不完整的多视输入数据进行处理，其中所述的多视聚类学习方法模型如下：
·MVC-SBD:



s.t.diag(BM)＝0,BM≥0,BM＝BMT
·IMVC-SBD:

【专利技术属性】
技术研发人员：王博岳，罗萃萃，胡永利，魏运，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