一种多视图子空间聚类方法、系统、电子设备及存储介质技术方案

本发明专利技术提供一种多视图子空间聚类方法、系统、电子设备及存储介质，所述方法包括以下步骤：获取多视图数据，自表示生成系数矩阵；将系数矩阵输入优化后的多视图子空间聚类框架进行迭代优化，获得低秩对称系数矩阵；将对低秩对称系数矩阵输入优化模型得到相似矩阵；最终将相似矩阵输入谱聚类中获取聚类结果，本发明专利技术聚类性能优秀。聚类性能优秀。聚类性能优秀。

【技术实现步骤摘要】
一种多视图子空间聚类方法、系统、电子设备及存储介质


[0001]本专利技术属于计算机学领域，具体涉及一种多视图子空间聚类方法、系统、电子设备及存储介质。

技术介绍

[0002]随着信息技术的快速发展，多视图数据在许多具有多个收集源的现实场景中越来越普遍。例如，可以用不同的特征来描述图像，例如颜色、纹理和形状。不同视图的特征有其特定的属性，并相互提供互补的信息。单独考虑这些观点往往是不够的或不完整的。因此，有效地集成每个视图的特有的信息是至关重要的。在聚类问题中，多视图聚类可以挖掘不同视图之间潜在的一致性信息，充分利用各个视图之间的互补信息。因此，多视图聚类方法与单视图聚类方法相比具有优势。
[0003]多视图聚类通常与子空间聚类结合使用。此外，基于“自我表达”的子空间聚类可用于捕获每个视图中的互补信息和多样性。自我表达的原理是，给定从特定子空间中提取的一组数据点，假设每个数据点都可以表示为其他数据点的线性组合。其中最具代表性的方法是低秩表示(LRR)。LRR的目标是通过对数据点施加低秩约束来获得系数矩阵的最低秩表示。基于LRR的子空间聚本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多视图子空间聚类方法，其特征在于，包括以下步骤：获取多视图数据，自表示生成系数矩阵；将系数矩阵输入优化后的多视图子空间聚类框架进行迭代优化，获得低秩对称系数矩阵；将对低秩对称系数矩阵输入优化模型得到相似矩阵；最终将相似矩阵输入谱聚类中获取聚类结果。2.根据权利要求1所述的方法，其特征在于，所述对多视图数据进行自表达的过程如下：根据以下公式：X
v
＝X
v
Z
v
+E
v
，将多视图数据X
v
表示为自身与系数矩阵Z
v
的乘积加上一个误差矩阵E
v
。3.根据权利要求1所述的方法，其特征在于，所述优化多视图子空间聚类框架的优化过程为：对自表达得到的系数矩阵Z
v
施加Schatten p范数，可表示为：对自表达得到的误差矩阵E
v
施加l2，1范数，其具体形式为：||E
v
||
2，1
；基于施加范数的系数矩阵Z
v
和误差矩阵E
v
生成优化后的多视图子空间聚类框架，具体为：s.t.X
v
＝X
v
Z
v
+E
v
其中，X
v
、Z
v
和E
v
分别为第v个视图的数据矩阵、系数矩阵和误差矩阵。4.根据权利要求1所述的方法，其特征在于，获得低秩对称系数矩阵的过程为：对系数矩阵Z
v
进行三因子分解，将系数矩阵Z
v
分解为三个矩阵的乘积以保持一致性，具体公式为：考虑到低秩结构可以恢复底层的数据聚类结构，从而揭示数据的正确分割，因此每个视图的系数矩阵Z
v
可以通过矩阵三分解共享相同的低秩结构C；对得到的低秩系数矩阵Z
v
施加对称约束。5.根据权利要求1所述的方法，其特征在于，优化模型的过程为：以最小化损失函数值为目标，迭代求解模型的解，得到每个矩阵变量的更新公式，再根据更新公式不断迭代直至收敛；根据上述步骤的内容，得到本方法的...

【专利技术属性】
技术研发人员：兰伟，杨田川，陈庆锋，
申请(专利权)人：广西大学，
类型：发明
国别省市：