[发明专利]流形表面上基于测地距离的K-means聚类多样化检索方法

权利要求书

1.一种流形表面上基于测地距离的K-means聚类多样化检索方法，其特征在于，具体包括以下步骤：

（1）首先对训练数据集进行特征提取，利用有不同的参数的SVM分类器对提取的特征进行训练学习；

（2）用认证集数据对SVM分类器的参数进行筛选，选出最优参数作为最佳SVM分类器；

（3）对输入的测试图像进行特征提取，并作为最佳SVM分类器的输入数据，从而获得数据库中图像与输入图像之间的相关度大小排序；

（4）利用DB指标对缓冲池大小参数进行筛选；

选择缓冲池大小时，要用到两个评价指标：前n幅图像的检索精度Pn，以及前n幅图像覆盖的子概念数CRn；通过SVM分类器检索之后，设置候选缓冲池大小为多组数值，并对缓冲池中图像数据分别进行聚类，计算DB值，比较结果，得出最优缓冲池大小r；

使用测地距离替代欧式距离，并应用于p值的选取以及缓冲池大小的选择，算法如下：

令C_j为向量的聚类，X_j是分配给C_i的一个n维特征向量；

Si=1TiΣj=1Ti|dG(Xj,Ai)|qq]]>

其中A_i是C_i的聚类中心，T_i是类i的大小，S_i是一种聚类内部的分散度量,d_G(X_j,A_i)为两点间的测地距离；

Mi,j=||Ai-Aj||p=Σm=1n|dG(am,i,am,j)|pp]]>

其中M_ij 为C_i与C_j间的距离大小； a_m,i是A_i中的第m个元素，并且A中有n个这样的元素，这里的m表明数据的特征，并且M_i,j本质上是当p=2时，类i和j的中心之间的测地距离；

根据定义， M_i,j表示第i个聚类和第j个聚类的距离，理想情况下，是使各类间的散度最大， S_i表示类i的类内散度，应使其尽可能小；

（5）对相关度大小按降序排列，选取缓冲池中的图像，利用DB指标对改进的K-means聚类的p参数进行选择，从而获得此部分图像的各聚类中心；

①k-means聚类方法的目标是将流形上的一组样本点（X1，X2，... XN）（其中每个样本点是一个d维的实向量）分割为k个类集（k<=n），类集为S={S1，S2，…Sk}，计算数据点到该数据点所在类中心的流形表面距离，使所有点距聚类中心的测地距离值最小：

argminsΣi=1KΣXj∈Si||dG(Xj,μi)||2]]>

其中，μ_i 是类集，S_i的平均值，d_G(X_j,A_i)为两点间的测地距离；

算法流程描述如下：

首先输入：t, data[n]；

1） 选择t个初始中心点，例如c[0]=data[0],…c[k-1]=data[t-1]；

2） 对于data[0]….data[n], 分别与c[0]…c[t-1]比较，若与c[i]沿流形表面的距离最小，就标记为i；

3） 对于所有标记为i点，重新计算c[i]={ 所有标记为i的data[j]之和}/标记为i的个数；

4） 重复2)、3),直到所有c[i]值的变化小于给定阈值；

②p值的选取： 

根据前面所得，固定缓冲池大小为r，为了找到每个主题的最优参数p，采用不同的p值系统的计算图像集之中的不同主题类别的DB指标，设置p值为不同数值，得到不同p值下不同主题所对应的DB值，从而选择出参数p；

（6）利用测地距离得出流形上距每个聚类中心最近的图像；

（7）得到最终排序。