[发明专利]一种基于自编码神经网络的图像聚类方法

权利要求书

1.一种基于自编码神经网络的图像聚类方法，主要包括步骤：

步骤S1，利用八层自编码网络建立聚类网络结构，并利用此网络的权重作为初始权重。

步骤S2，在自编码网络的编码层加入类内和类间约束函数，使同类样本靠近其聚类中心，不同聚类中心相互远离。

步骤S3，将所有样本随机分组，并分别通过自编码网络映射到特征空间，然后计算所有组的特征表达的平均值，作为该组的聚类中心。

步骤S4，利用加入类内约束和类间约束训练自编码网络，更新网络权重，进行图像聚类。

步骤S5，利用S4得到的更新后的网络，计算所有样本的特征表达，与之前的聚类中心进行比较，将样本分配至距离最近的聚类中心。

步骤S6，利用S5中得到特征表达按新的分组计算每组的特征表达的均值作为新的聚类中心。

步骤S7，利用S6中更新的聚类中心代替S2中聚类约束函数的聚类中心。

步骤S8，转到S4并循环，直到达到训练次数或聚类网络收敛。

2.根据权利要求1所述的方法，利用自编码神经网络进行图像聚类。

3.根据权利要求1所述的方法，同时利用类内和类间约束加入自编码网络的目标函数作为聚类约束。