[发明专利]基于非负矩阵分解和划分自适应融合的多视角聚类方法

权利要求书

1.一种基于非负矩阵分解和划分自适应融合的多视角聚类方法，其特征在于，所述方法包括以下步骤：

S1：对多视图样本数据集进行预处理，提取出各视角原始非负特征数据样本集X_k，并设置聚类簇团个数C，模糊系数f_t，平衡系数λ_k，视角个数K,正则化系数γ；

S2：初始化基矩阵W_k和系数表示矩阵H_k，根据条件约束设置模糊伪划分U_t和权重融合矩阵Q，并确定对应的聚类中心矩阵V_t；

S3：利用梯度下降法和交替迭代法则，通过固定其余变量，对某一变量进行更新；

S4：对所提方法的目标函数的阈值进行限定，当目标函数的值变化小于阈值，上述交替迭代停止；

S5：将各视角的隶属度划分取几何平均的方式集成所有观点，获得数据样本的统一归属信息

S6：根据统一隶属度划分矩阵对样本的归属进行确定，得到样本的类标签信息，聚类结束。

2.根据权利要求1所述的基于非负矩阵分解和划分自适应融合的多视角聚类方法，其特征在于：所述S1中，对多视图样本数据集进行预处理，提取出原始非负特征数据样本集X＝{X₁；X₂；...；X_K}，K个视图之间相互条件独立，每个视图提取的原始信息为对于不同的视图，通过聚类得到的簇数为C，d_k是第k个视角数据样本维数；模糊系数f_t表示第t个视角的数据的程度，是一个大于1而小于2.5的参量，平衡系数λ_k∈{1e^-4,1e^-3,1e^-2,1e^-1,1,1e¹,1e²,1e³,1e⁴}是第k个视角在整个多视角聚类任务的平衡因子，正则化系数γ∈{2^-12,2^-11,…,2¹²}。

3.根据权利要求1所述的基于非负矩阵分解和划分自适应融合的多视角聚类方法，其特征在于：所述S2中，随机初始化基矩阵和系数表示矩阵使得基矩阵W是降维后的低秩空间的表现形式；系数矩阵H是原始数据X经降维后的低维表达方式；再根据以下约束设置隶属度矩阵U_t∈R^C×N，它的元素μ_ij,t表示第t个视角第j个样本x_j,t分属于第i个聚类中心v_i,t的程度；然后确定该隶属度伪划分对应的聚类中心矩阵V_t∈R^C×C，它是由所有聚类簇团中心组成的矩阵形式，x_j,t表示N个样本中第j个样本，v_i,t表示C个簇中第i个聚类中心，C_i代表第i个簇样本集合，N_i代表第i个簇中样本个数；Q∈R^K×K作为构造的融合权重矩阵，其元素Q_k,t反映第k个视角与第t个视角之间的关联程度，表示第t个视角上的聚类划分对第k个视角上的聚类任务的影响程度；各变量初始化约束如下公式所示：