(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111326425.8 (22)申请日 2021.11.10 (66)本国优先权数据 202110706944.0 2021.0 6.24 CN (71)申请人 浙江师范大学 地址 321004 浙江省金华市 婺城区迎宾大 道688号 (72)发明人 朱信忠　徐慧英　李苗苗　李洪波　 殷建平　赵建民　 (74)专利代理 机构 浙江千克知识产权代理有限 公司 33246 代理人 赵芳 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/762(2022.01)G06V 10/80(2022.01) G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 基于局部最大对齐的后期融合多视图聚类 方法及系统 (57)摘要 本发明公开了基于局部最大对齐的后期融 合多视图聚类方法及系统。 其中涉及的基于局部 最大对齐的后期融合多视图聚类方法， 包括步 骤： S1.获取聚类任务和目标数据样本； S2.初始 化各个视图的置换矩阵、 各个视图的组合系数、 对平均核进行核k均值聚类的平均划分、 各个视 图的邻居矩阵； S3.计算各个视图的基础划分， 建 立基于最大对齐的后期融合多视图聚类目标函 数； S4.获取带局部信息的基础划分， 并结合各个 视图的邻居矩阵和步骤S3， 建立基于局部最大对 齐的后期融合多视图聚类目标函数； S5.采用循 环方式求解建立的基于局部最大对齐的后期融 合多视图聚类目标函数， 得到融合各个基础划分 后的最优划分； S6.对最优划分进行k均值聚类， 得到聚类结果。 权利要求书3页 说明书11页 附图2页 CN 114067395 A 2022.02.18 CN 114067395 A 1.基于局部最大对齐的后期融合多视图聚类方法， 其特 征在于， 包括 步骤： S1.获取聚类任务和目标 数据样本； S2.初始化各个视图的置换矩阵、 各个视图的组合系数、 对平均核进行核k均值聚类的 平均划分、 各个视图的邻居矩阵； S3.计算各个视图的基础划分， 建立基于最大对齐的后期融合多视图聚类目标函数； S4.获取带局部信息的基础划分， 并结合各个视图的邻居矩阵和步骤S3， 建立基于局部 最大对齐的后期融合多视图聚类目标函数； S5.采用循环方式求解建立的基于局部最大对齐的后期融合多视图聚类目标函数， 得 到融合各个 基础划分后的最优划分； S6.对最优划分进行k均值聚类， 得到聚类结果。 2.根据权利要求1所述的基于局部最大对齐的后期融合多视图聚类方法， 其特征在于， 所述步骤S2中核k均值聚类表示 为： 其中， H∈Rn×k表示根据核矩阵K所求的划分矩阵； Im表示维度为m(∈N+)的单位矩阵； HT 表示H的置换； Ik表示k维单位矩阵。 3.根据权利要求2所述的基于局部最大对齐的后期融合多视图聚类方法， 其特征在于， 所述步骤S3中计算各个视图的基础划 分具体为： 对不 同视图构建不 同的核矩阵 且分别运行核k均值聚类得到各个视图的基础划分 4.根据权利要求3所述的基于局部最大对齐的后期融合多视图聚类方法， 其特征在于， 所述步骤S3中建立基于最大对齐的后期融合多视图聚类目标函数， 表示 为： 其中， F表示优 化所得的最优划分； β 表示各个视图的组合系数组成的向量， βp表示第p个 视图的系数， 表示各个视图的置换矩阵； M表示对平均核进行核k均值聚类获得的 平均划分； FT表示F的置换； WT表示W的置换； Hp表示由核k均值聚类得到的各个视图的基础划 分； m表示视图数量。 5.根据权利要求4所述的基于局部最大对齐的后期融合多视图聚类方法， 其特征在于， 所述步骤S4中建立基于局部最大对齐的后期融合多视图聚类目标函数， 表示 为： FTF×Ik, ‖ β ‖2＝1, βp≥0权　利　要　求　书 1/3 页 2 CN 114067395 A 2其中， 表示第p个视图中样本i中的τ近邻的指示矩阵， 即各个视图的邻居矩阵； n表 示样本数； 表示第p个视图中带第i样本局部信息的基础划分矩阵； 表示各个 视图的置换矩阵； λ表示正则化参数； 表示带第i个样本局部信息的平均划分矩阵； 表示 的置换。 6.根据权利要求5所述的基于局部最大对齐的后期融合多视图聚类方法， 其特征在于， 所述步骤S5中采用循环方式求解建立的基于局部最大对齐的后期 融合多视图聚类目标函 数， 具体为： A1.固定 和β， 优化F， 则优化式表示 为： 其 中 ， 假 设 U 的 秩 k 的 奇 异 值 分 解 为 其中Sk∈Rn×k表示左奇异值向量， ∑k∈Rk×k表示以奇异值为元素的对角矩 阵， Vk∈Rk×k表示右奇异值向量， 则得到闭式解 表示Vk置换； A2.固定F和β， 优化 分别对每 个Wp单独进行优化， 则优化式表示 为： 其中， 假设L的奇异值分解为L＝S∑VT， 其中S∈Rk×k表示左奇 异值向量， ∑∈Rk×k表示以奇异值为元素的对角矩阵， V∈Rk×k表示右奇异值向量， 则得到闭 式解Wp＝SV； A3.固定 和F， 优化β， 则优化式表示 为： 其中 利用柯西不等式取等号的条件， 则得到闭式解 7.根据权利要求6所述的基于局部最大对齐的后期融合多视图聚类方法， 其特征在于， 所述步骤S5中采用循环方式求解建立的基于局部最大对齐的后期 融合多视图聚类目标函 数， 其中循环的终止条件表示 为： (obj(t‑1)‑obj(t))/obj(t)≤ ε 其中， obj(t‑1)、 obj(t)分别表示第t和t ‑1伦迭代的目标函数的值； ε表示设定精度。 8.基于局部最大对齐的后期融合多视图聚类系统， 其特 征在于， 包括： 获取模块， 用于获取聚类任务和目标 数据样本；权　利　要　求　书 2/3 页 3 CN 114067395 A 3