龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中国人民解放军国防科技大学
摘要：本发明公开了一种基于二部图加速的融入成对约束的半监督聚类方法，涉及模式识别技术领域，包括：获取样本数据矩阵和锚点矩阵，构造样本点和锚点之间的二部图矩阵；由二部图矩阵构造相似性矩阵、相似图拉普拉斯矩阵以及规范化拉普拉斯矩阵；根据成对约束信息构造必须链接矩阵和必不链接矩阵；构建模型，采用交替迭代的方式获取目标函数局部最优解，将相似性矩阵各连通分支内的样本点聚为一类。本发明提供的技术方案通过样本数据的成对约束信息在模型中引入必须链接矩阵和图相似拉普拉斯矩阵，不仅解决了现有技术基于图的方法在成对约束计算中的复杂性，降低了计算量，而且提升了数据聚类稳定性和准确性。
主权项：1.一种基于二部图加速的融入成对约束的半监督聚类方法，该方法可用于视频人脸聚类，其特征在于，包括以下步骤：S1、获取样本数据矩阵X，所述样本数据矩阵X包括n个样本数据，每一个所述样本数据对应一个样本点，所述样本数据的维度为d；根据所述样本数据矩阵X获取锚点，构造锚点矩阵B；所述锚点的数量为m，且有md,以及mn；S2、初始化所述锚点矩阵B，使得BBT＝Im，其中Im表示m阶的单位矩阵；根据所述样本数据矩阵X和所述锚点矩阵B构造二部图矩阵Z；S3、以所述样本数据为顶点，根据所述二部图矩阵Z构造相似性矩阵S、相似图拉普拉斯矩阵LS以及规范化拉普拉斯矩阵S4、根据所述样本数据的成对约束信息，获取必须链接集合和必不链接集合，构造必须链接矩阵M和必不链接矩阵Q；S5、构建目标函数： 其中表示矩阵的Frobenius范数的平方；Tr×表示矩阵的迹；×T表示矩阵的转置；第一超参数λ1和第二超参数λ2均为大于0的正数；惩罚参数λ3为大于0的正数；谱嵌入矩阵F满足FTF＝Ic,其中Ic表示c阶单位矩阵，c为聚类数量；S6、使用交替迭代的方式获取所述目标函数的局部最优解；S7、根据所述二部图矩阵Z的局部最优解Zopt，计算相似性矩阵S的局部最优解Sopt，将所述相似性矩阵S的局部最优解Sopt中各连通分支内的所述样本点聚为一类。
全文数据：
权利要求：
百度查询： 中国人民解放军国防科技大学 基于二部图加速的融入成对约束的半监督聚类方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号