[发明专利]基于样本风格特征的模糊超平面聚类方法及装置

权利要求书

1.一种基于样本风格特征的模糊超平面聚类方法，其特征在于，所述聚类方法包括：

建立能够保留样本的物理特征并同时挖掘所述样本的风格特征的表征形式；

基于所述表征形式和给定的数据集，建立基于所述物理特征和所述风格特征的模糊超平面聚类模型的初始目标函数；其中，所述数据集的类型包括图像、文本、语音中的任意一者；

利用所述表征形式对应的正则化项和关于不同聚类中心的软间隔，对所述初始目标函数进行优化，得到更新后的目标函数；

将所述更新后的目标函数的优化问题分解为基于所述表征形式的一系列子问题；

基于所述一系列子问题，确定所述更新后的目标函数的参数，求解出所述表征形式；

基于求解出的所述表征形式，对所述数据集中的样本进行聚类分析，得到所述数据集对应的预测类别标签集。

2.根据权利要求1所述的聚类方法，其特征在于，所述表征形式采用风格超平面矩阵A，其中，A∈R^d×q，R^d×q表示取值为实数的d行q列的矩阵，d为A的纵轴方向维度，q为A的横轴方向维度，且qd；A的前d×d个元素组成单位矩阵，用于表征样本的所述物理特征；A的前d×d个元素之外的其他元素组成d×(q-d)维的矩阵，用于表征样本的所述风格特征。

3.根据权利要求2所述的聚类方法，其特征在于，所述初始目标函数表示为下式(1)，所述初始目标函数的约束条件表示为下式(2)：

其中，μ_ij表示样本x_i属于第j个聚类的模糊隶属度，m表示模糊指数，A_j表示第j个聚类对应的风格超平面矩阵，表示A_j的转置矩阵，b_j表示第j个聚类在超平面空间中的超平面参数，i表示所述数据集中的样本编号且1≤i≤N，N为所述数据集中的样本总数，j表示聚类的编号且1≤j≤k，k为聚类个数，c_j表示第j个聚类的中心，λ表示正则化系数，Λ_j表示对角矩阵，E∈R^d×q表示前d×d个元素组成单位矩阵以保留样本的物理特征、剩余元素表征样本的风格特征的矩阵，||·||₂表示二范数，||·||_F表示F范数。

4.根据权利要求3所述的聚类方法，其特征在于，所述更新后的目标函数表示为下式(3)，所述更新后的目标函数的约束条件表示为下式(4)：

其中，C＝{C₁,C₂,…,C_k}表示所述模糊超平面聚类模型生成的聚类C₁,C₂,…,C_k组成的集合，C_j表示第j个聚类，C\C_j表示C中除第j个聚类C_j外的其他所有聚类，ε_ij与ξ_ij均为与第j个聚类C_j中第i个样本相对应的松弛变量，b₁和b₂均为正则化系数。