[发明专利]基于软块对角的多视聚类方法

权利要求书

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(B_M)＝0，B_M≥0，B_M＝B_M^T

●IMVC-SBD：

s.t.diag(B_IM)＝0，B_IM≥0，B_IM＝B_IM^T

其中X^v和Y^v分别表示完整的和不完整的多视聚类模型的第v个视角输入，具体地，视角数目v取3，X¹，X²和X³分别表示完整的多视聚类模型提取的LBP，Gist和Gabor特征，Y¹，Y²和Y³分别表示不完整的多视聚类模型提取的LBP，Gist和Gabor特征；Z_M^v和Z_IM^v分别表示X^v和Y^v的自表示矩阵；B_M和B_IM为相似度矩阵；约束||B_M||_≈K和||B_iM||_≈K表示软块对角正则化，即矩阵B_M和B_IM的对角块数目近似于数据样本的类别数K；λ₁、λ₂、λ₃取值范围均为{10^-4，10^-3，10^-2，10^-1，10⁰，10¹，10²，10³}，diag(·)提取矩阵的对角元素；

(3)根据优化求解得到的软块对角相似度矩阵B_M和B_IM，分别对其进行谱聚类Ncut操作，得到两种模型的多视聚类结果。