[发明专利]图像数据的聚类方法、装置、电子设备及存储介质

说明书

本申请提出了图像数据的聚类方法、装置、电子设备及存储介质。其中，一种图像数据的聚类方法，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；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。该图像数据的聚类方法能够避免将样本两两聚合生成二叉树和对二叉树进一步层次划分的麻烦和人工标记样本的麻烦，并能够直接生成多层次的聚类结果。

技术领域

本申请涉及数据处理技术领域，特别涉及图像数据的聚类方法、装置、电子设备及存储介质。

背景技术

随着计算机视觉领域的快速发展，图像数据内部的层次化结构越来越受到重视，数据在不同的层次中具有不同的语义划分，通过挖掘这种不同层次的语义划分可以挖掘出数据中更深层次的概念，从而能够更进一步的分析数据，挖掘出针对不同情况有不同用处的语义概念，进而方便对图像的进一步识别。

目前，挖掘层次化概念的方案主要分为两大类：第一类为层次化分类方案；另一类是层次化聚类方案。前者利用层次化标记结合监督算法得到对能够对数据层次化划分的模型，后者则直接利用数据本身的信息通过数据之间的关系利用无监督策略得到数据的层次化划分。

然而，层次化分类算法需要大量的层次化标记，人工成本非常高。层次化聚类方案，计算两两样本之间的距离，然后对距离进行排序，将具有最小距离的样本对合为一个群体，然后不断的进行两两聚合直到数据合为一个整体。此外，当多次聚合后，在需要对比的元素为两个群体时，层次化聚类方案通常要完全计算两个群体内所有样本对之间的距离，然后得到两个群体之间的距离。这个过程需要不断的进行两两样本比较，计算花费高，并且只能构建二叉树形结构，在最终得到层次聚类结果时，还需要人为划分或者利用额外算法对树形结构进行划分得到最终的层次聚类结果。

发明内容

本申请提出了图像数据的聚类方法、装置、电子设备及存储介质，能够避免将样本两两聚合生成二叉树和对二叉树进一步层次划分的麻烦和人工标记样本的麻烦，并能够直接生成多层次的聚类结果，即能够直接生成数据的层次结构。

根据本申请一个方面，提供一种图像数据的聚类方法，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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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：