[发明专利]基于谱聚类的图像数据快速聚类方法及装置

权利要求书

1.一种基于谱聚类的图像数据快速聚类方法，其特征在于，包括以下步骤：

输入图像数据集X，并使用改进的谱聚类算法从所述数据集X中提取m个初始中心点I；

计算所述图像数据集X和每个I每个初始中心点之间的距离，得到数据集Dist；

根据所述数据集Dist归一化矩阵D，得到第二数据集Dist’，并计算所述第二数据集Dist’的归一化拉普拉斯矩阵L；以及

求解所述归一化拉普拉斯矩阵L的前k个特征值和特征向量E，并使用所述改进的谱聚类算法从所述特征向量E中挑选k个初始中心点，以使用k-means进行聚类，得到聚类结果，其中，m与k均为正整数。

2.根据权利要求1所述的方法，其特征在于，所述使用k-means进行聚类，包括：

随机选取k个对象作为初始的聚类中心；

计算每个对象到各个种子聚类中心之间的距离，并将所述每个对象分配给距离最近的聚类中心。

3.根据权利要求1所述的方法，其特征在于，在输入所述图像数据集X之后，还包括：

根据所述图像数据集X的图像的高、图像的宽和图像的像素得到矩阵。

4.根据权利要求1所述的方法，其特征在于，所述改进的谱聚类算法为：

对输入的图像数据集进行重新表示得到新的数据集，对所述新的数据集进行相似矩阵、拉普拉斯矩阵的计算和拉普拉斯矩阵的特征求解，对得到的特征向量矩阵使用新的初始中心点的选取方式代替随机选点，最后使用k-means聚类得到聚类结果。

5.根据权利要求1所述的方法，其特征在于，所述改进的谱聚类算法的输入为所述图像数据集X、所述m个初始中心与聚类数k，且所述改进的谱聚类算法的输出为k个类簇。

6.一种基于谱聚类的图像数据快速聚类装置，其特征在于，包括：

输入模块，用于输入图像数据集X，并使用改进的谱聚类算法从所述数据集X中提取m个初始中心点I；

第一计算模块，用于计算所述图像数据集X和每个I每个初始中心点之间的距离，得到数据集Dist；

第二计算模块，用于根据所述数据集Dist归一化矩阵D，得到第二数据集Dist’，并计算所述第二数据集Dist’的归一化拉普拉斯矩阵L；以及

求解模块，用于求解所述归一化拉普拉斯矩阵L的前k个特征值和特征向量E，并使用所述改进的谱聚类算法从所述特征向量E中挑选k个初始中心点，以使用k-means进行聚类，得到聚类结果，其中，m与k均为正整数。

7.根据权利要求6所述的装置，其特征在于，所述求解模块进一步用于随机选取k个对象作为初始的聚类中心；计算每个对象到各个种子聚类中心之间的距离，并将所述每个对象分配给距离最近的聚类中心。

8.根据权利要求6所述的装置，其特征在于，还包括：

矩阵获取模块，用于在输入所述图像数据集X之后，根据所述图像数据集X的图像的高、图像的宽和图像的像素得到矩阵。

9.根据权利要求6所述的装置，其特征在于，所述改进的谱聚类算法为：

对输入的图像数据集进行重新表示得到新的数据集，对所述新的数据集进行相似矩阵、拉普拉斯矩阵的计算和拉普拉斯矩阵的特征求解，对得到的特征向量矩阵使用新的初始中心点的选取方式代替随机选点，最后使用k-means聚类得到聚类结果。

10.根据权利要求6所述的装置，其特征在于，所述改进的谱聚类算法的输入为所述图像数据集X、所述m个初始中心与聚类数k，且所述改进的谱聚类算法的输出为k个类簇。