一种基于多视角的数据子空间聚类方法

摘要

本发明公开一种基于多视角的数据子空间聚类方法，其包括：提取多视角数据库中的多视角特征；对于所述多视角数据库，选择特定的线性重构表示方法，并确定所述线性重构表示方法相对应的正则化约束方式；确定所述多视角特征中每个视角特征的重构误差权重；根据所选定的重构表示方法和所获得的不同视角特征的重构误差权重，学得到对所述多视角数据库中所有样本进行重构的线性表示矩阵；所述线性表示矩阵用于表示数据库中样本之间的关系，元素值表示其所在行对应的样本重构其所在列对应样本的重构系数；将所述线性表示矩阵进行相应处理得到度量所述多视角数据库中样本相似性的亲和矩阵；利用谱聚类算法对所述亲和矩阵进行分割得到多视角数据子空间。

主权项

一种基于多视角的数据子空间聚类方法，包括步骤：步骤S1，提取多视角数据库中的多视角特征；步骤S2，对于所述多视角数据库，选择特定的线性重构表示方法，并确定所述线性重构表示方法相对应的正则化约束方式；步骤S3，确定所述多视角特征中每个视角特征的重构误差权重；步骤S4，根据所选定的重构表示方法和所获得的不同视角特征的重构误差权重，构造待优化的目标函数，学习得到对所述多视角数据库中所有样本进行重构的线性表示矩阵；所述线性表示矩阵用于表示数据库中样本之间的关系，其元素值表示其所在行对应的样本重构其所在列对应样本的重构系数；步骤S5，将所述线性表示矩阵进行相应处理，得到度量所述多视角数据库中样本相似性的亲和矩阵；步骤S6，利用谱聚类算法对所述亲和矩阵进行分割，得到多视角数据子空间；其中，步骤S4中学习获得线性表示矩阵的目标函数如下表示：其中，X^v是多视角数据库中第v视角的特征矩阵，每一列表示一个样本的视觉特征向量，为第v视角的重构误差，表示矩阵C的F范数的平方，其值为矩阵C中所有元素平方和；γ为预设的比例系数，Z为所述线性表示矩阵，为线性表示矩阵的正则化约束表示；ω^v为第v视角的权重。