(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 202111326414.X (22)申请日 2021.11.10 (66)本国优先权数据 202110706960.X 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. G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 基于统一锚点与子空间学习的谱聚类方法 及系统 (57)摘要 本发明公开了基于统一锚点与子空间学习 的谱聚类方法及系统。 其中， 本发明涉及的基于 统一锚点与子空间学习的谱聚类方法， 包括： S1. 获取聚类任务和目标数据样本； S2.对获取的聚 类任务和目标数据样本相对应的多视图数据进 行统一锚点学习， 并根据学习到的统一锚点自适 应的构建锚 图相对应的目标函数； S3.采用交替 优化方法优化构建的目标函数， 得到优化后的统 一锚图； S4.对得到的优化后的统一锚 图进行谱 聚类， 得到最终的聚类结果。 权利要求书3页 说明书16页 附图3页 CN 114065850 A 2022.02.18 CN 114065850 A 1.基于统一锚点与子空间学习的谱聚类方法， 其特 征在于， 包括： S1.获取聚类任务和目标 数据样本； S2.对获取的聚类任务和目标数据样本相对应的多视图数据进行统一锚点学习， 并根 据学习到的统一锚点自适应的构建锚图相对应的目标函数； S3.采用交替优化方法优化构建的目标函数， 得到优化后的统一锚图； S4.对得到的优化后的统一锚图进行谱聚类， 得到最终的聚类结果。 2.根据权利要求1所述的基于统一锚点与子空间学习的谱聚类方法， 其特征在于， 所述 步骤S2中根据学习到的统一锚点自适应的构建锚图相对应的目标函数， 表示 为： s.t. αT1＝1,WiTWi＝Id,ATA＝Im,Z≥0,ZT1＝1 其中， α 表示视图的权重； Wi表示第i视图的锚点投影矩阵； A∈Rd×m表示统一的锚矩阵， d 表示整个视图的公共维度， m表示锚的数量； Z表示具有m ×n维的统一锚图； v表示v个视图； αi表示第i个视图的权重； 表示原始数据的第i视图， di表示对应视图的维度， n表 示样本数； αT表示α 的转置； WiT表示Wi的转置； ZT表示Z的置换； AT表示A的转置； Id∈Rd×d表示 单位矩阵； Im∈Rm×m表示单位矩阵； 1表示所有元 素为一的向量。 3.根据权利要求2所述的基于统一锚点与子空间学习的谱聚类方法， 其特征在于， 所述 步骤S3中采用交替优化方法优化构建的目标函数， 具体包括： A1.更新Wi， 固定变量A、 Z、 αi， 则目标函数中Wi的优化表示 为： A2.更新A， 固定Wi、 Z、 αi， 则目标函数中A的优化表示 为： A3.更新Z， 固定变量 Wi、 A、 αi， 则目标函数中Z的优化表示 为： s.t.Z≥0,ZT1＝1 A4.更新αi， 固定其他变量Wi、 A、 Z， 则目标函数中αi的优化表示 为： 其中， Mi＝||Xi‑WiAZ||F， 表示xi的重构损失。 4.根据权利要求3所述的基于统一锚点与子空间学习的谱聚类方法， 其特征在于， 所述 步骤A1中还 包括： 通过Frobenius范数去除与Wi无关的项， 将步骤A1中的公式转化为以下等价问题， 表示 为：权　利　要　求　书 1/3 页 2 CN 114065850 A 2其中， Bi＝XiZTAT， 表示矩阵的乘积。 5.根据权利要求3所述的基于统一锚点与子空间学习的谱聚类方法， 其特征在于， 所述 步骤A2中还包括： 通过Frobenius范数去除与A无关的项， 将步骤A2中的公式转化为以下等价问题， 表示 为： 其中， 表示矩阵的乘积。 6.根据权利要求3所述的基于统一锚点与子空间学习的谱聚类方法， 其特征在于， 所述 步骤A3中还 包括： 对Z的每一行解 通过QP问题解决， 则将步骤A3中的公式表示 为： 其中， j表示矩阵中的每列元 素。 7.根据权利要求3所述的基于统一锚点与子空间学习的谱聚类方法， 其特征在于， 所述 步骤S3中采用交替优化方法优化构建的目标函数， 其中终止条件为找到最小值或达到收敛 条件。 8.基于统一锚点与子空间学习的谱聚类系统， 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； 构建模块， 用于对获取的聚类任务和目标数据样本相对应的多视图数据进行统一锚点 学习， 并根据学习到的统一锚点自适应的构建锚图相对应的目标函数； 优化模块， 用于采用交替优化方法优化构建的目标函数， 得到优化后的统一锚图； 聚类模块， 用于对得到的优化后的统一锚图进行谱聚类， 得到最终的聚类结果。 9.根据权利要求8所述的基于统一锚点与子空间学习的谱聚类系统， 其特征在于， 所述 构建模块中根据学习到的统一锚点自适应的构建锚图相对应的目标函数， 表示 为： s.t. αT1＝1,WiTWi＝Id,ATA＝Im,Z≥0,ZT1＝1 其中， α 表示视图的权重； Wi表示第i视图的锚点投影矩阵； A∈Rd×m表示统一的锚矩阵， d 表示整个视图的公共维度， m表示锚的数量； Z表示具有m ×n维的统一锚图； v表示v个视图； αi表示第i个视图的权重； 表示原始数据的第i视图， di表示对应视图的维度， n表 示样本数； αT表示α 的转置； WiT表示Wi的转置； ZT表示Z的转置； AT表示A的转置； Id∈Rd×d表示 单位矩阵； Im∈Rm×m表示单位矩阵； 1表示所有元 素为一的向量。 10.根据权利要求9所述的基于统一锚点与子空间学习的谱聚类系统， 其特征在于， 所权　利　要　求　书 2/3 页 3 CN 114065850 A 3