【技术实现步骤摘要】
本专利技术涉及图像处理领域，具体是一种基于多通道自适应滤波的图聚类方法。
技术介绍
1、聚类问题是按照某个特定标准(如距离)把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大。根据聚类问题的定义，聚类算法主要解决三个方面的问题：即如何衡量相似性的大小、如何进行簇或类的划分以及如何确定簇类。常见的聚类算法主要有三类：k-means、谱聚类和深度嵌入聚类算法。其中，k-means是一种迭代求解的聚类算法，具体步骤为：将数据分为k组，并随机选取k个对象作为初始的聚类中心，然后计算每个对象与各子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心，多次迭代直到收敛或者达到迭代次数上限。每个聚类中心以及分配给它们的对象就代表一个聚类。而谱聚类则是一种基于图论的聚类算法，其主要思想是将聚类问题转化为图的划分问题。谱聚类算法将所有的数据当作空间中的点，点与点之间可以用边相连。距离较远的两个点之间的边权重值较低，而距离较近的两个点之间的边权重值较高，通过对所有数据点组成的图进行...
【技术保护点】
1.一种基于多通道自适应滤波的图聚类方法，其特征在于，包括以下的步骤：
2.如权利要求1所述的一种基于多通道自适应滤波的图聚类方法，其特征在于，图采样算法是针对输入的原始图数据进行采样，生成多个子图，将距离结点v的最短距离小于r的结点记为结点v的r跳邻居让图G中的结点集V中每一个结点v的r跳邻居组成相应的r近邻网络，每一个r近邻网络是一个子图，定义为其中，是v的r跳邻居的笛卡尔积，ε是原图的边集，且满足是子图的特征矩阵。
3.如权利要求1所述的一种基于多通道自适应滤波的图聚类方法，其特征在于，所使用图采样算法为随机游走算法，包含一下步骤：>
4.如权利要...
【技术特征摘要】
1.一种基于多通道自适应滤波的图聚类方法，其特征在于，包括以下的步骤：
2.如权利要求1所述的一种基于多通道自适应滤波的图聚类方法，其特征在于，图采样算法是针对输入的原始图数据进行采样，生成多个子图，将距离结点v的最短距离小于r的结点记为结点v的r跳邻居让图g中的结点集v中每一个结点v的r跳邻居组成相应的r近邻网络，每一个r近邻网络是一个子图，定义为其中，是v的r跳邻居的笛卡尔积，ε是原图的边集，且满足是子图的特征矩阵。
3.如权利要求1所述的一种基于多通道自适应滤波的图聚类方法，其特征在于，所使用图采样算法为随机游走算法，包含一下步骤：
4.如权利要求1所述的一种基于多通道自适应滤波的图聚类方法，其特征在于，所述多通道自适应图对比学习模块是一个双分支的网络结构，利用数据增强生成原始图数据集的两个视图，并通过最小化在线网络fθ和目标网络fφ学习到的结点表示优化模型。
5.如权利要求4所述的一种基于多通道自适应滤波的图聚类方法，其特征在于，采用的数据增强方式有两种：边调整和属性屏蔽，其中，边调整表示随机增加或删除边，属性屏蔽是随机屏蔽掉结点的一些属性，通过数据增强，输入的子图会产生两个相应的视图和其中，和分别表示两个视图的邻接矩阵；和分别表示两个视图的特征矩阵。
6.如权利要求3所述的一种基于多通道自适应滤波的图聚类方法，其特征在于，在线网络fθ和目标...
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。