[发明专利]图像数据的聚类方法、装置、电子设备及存储介质

权利要求书

1.一种图像数据的聚类方法，其特征在于，包括：

获取待聚类的样本集合中样本的第一特征；

根据样本的第一特征，确定样本集合中样本之间的相似度，得到第一相似度矩阵；

基于第一相似度矩阵，对样本的第一特征进行图信息传递，得到样本的第二特征，其中，所述样本的第二特征用于替代第一特征并作为样本的特征表达；

根据样本的第二特征，确定样本集合中样本之间的相似度，得到第二相似度矩阵；

基于第二相似度矩阵，将相似度高于相似度阈值的样本进行聚类，得到类的集合。

2.如权利要求1所述的聚类方法，其特征在于，在执行所述根据样本的第一特征，确定样本集合中样本之间的相似度，得到第一相似度矩阵的步骤之前，所述聚类方法进一步包括：

对样本的第一特征进行归一化处理，得到归一化处理后的样本的第一特征。

3.如权利要求2所述的聚类方法，其特征在于，所述对样本的特征进行归一化处理，得到归一化处理后的样本的特征，包括：

确定样本集合中样本的特征的均值和标准差；

对于样本集合中任一个样本，确定该样本的特征与均值之差，并将所述差与标准差的比值作为归一化处理后该样本的特征。

4.如权利要求1所述的聚类方法，其特征在于，在执行所述基于第一相似度矩阵，对样本的第一特征进行图信息传递，得到样本的第二特征的步骤之前，所述聚类方法进一步包括：

对第一相似度矩阵进行稀疏化处理，得到经过稀疏化的第一相似度矩阵。

5.如权利要求4所述的聚类方法，其特征在于，所述对第一相似度矩阵进行稀疏化处理，得到经过稀疏化的第一相似度矩阵，包括：

对于样本集合中任一个样本相关的相似度，保留排名靠前的预定数量的相似度，并将其他相似度置零，以得到所述经过稀疏化的第一相似度矩阵。

6.如权利要求1所述的聚类方法，其特征在于，所述基于第一相似度矩阵，对样本的第一特征进行图信息传递处理，得到样本的第二特征，包括：

根据所述样本集合和所述第一相似度矩阵，建立样本集合的图结构，其中，图结构中图节点表示样本，两个图节点之间的连接边表示两个图节点之间的非零的相似度；

对于图结构中具有连接边的任一个图节点，将第一相似度矩阵的预定次方与该样本的第一特征的乘积作为该样本的第二特征。

7.如权利要求6所述的聚类方法，其特征在于，所述基于第二相似度矩阵，将相似度高于相似度阈值的样本进行聚类，得到类的集合，包括：

在所述图结构中，搜索具有连接边，并且在第二相似度矩阵中相似度高于相似度阈值的两个图节点，并将搜索到的两个图节点聚合为同一个类，以得到所述类的集合。

8.如权利要求1所述的聚类方法，其特征在于，所述待聚类的样本集合为图像集合，在执行所述基于第二相似度矩阵，将相似度高于相似度阈值的样本进行聚类，得到类的集合的步骤后，所述聚类方法进一步包括：

对于所述类的集合中任一个类，将该类中样本的第二特征的均值作为该类的特征；

统计所述类的集合中各类的样本数量；

将所述类的集合中样本数量达到数量阈值的类作为核心类，并将样本数量未达到数量阈值的类作为离散类；

对于任一个离散类，将该离散类的样本合并到与该离散类相似度最高的核心类中，并更新合并离散类后的核心类的特征；

判断核心类的数量与所述样本集合中样本数量是否不同以及核心类的数量是否超过1；

在核心类的数量与所述样本集合中样本数量不同并且核心类的数量超过1时，将核心类的集合作为更新后的样本集合，并继续执行所述根据样本的第一特征，确定样本集合中样本之间的相似度，得到第一相似度矩阵的步骤。