[发明专利]一种交叉图匹配不完整多视图聚类方法及装置

权利要求书

1.一种交叉图匹配不完整多视图聚类方法，其特征在于，包括：

建立不完整多模态数据的缺失值填充模型，所述多模态数据包括网页数据或者多媒体数据；

其中，利用了缺失数据隐藏的语义信息，通过将缺失数据看作可优化变量，使其在聚类的同时，遵循各自模态下的特征分布进行优化更新，所述缺失值填充模型的目标函数为：

式中，X^(v)为不完整模态数据，X^(v)∈R^dv×N，d_v是第v个模态的特征维度，{E⁽¹⁾，E⁽²⁾，...，E^(m)}表示多个模态的缺失数据，其中E^(v)∈R^dv×nv，n_v是第v个模态的缺失样本数，(N-n_v)是第v个模态实际样本数；关系矩阵W^(v)∈R^nv×N，如果E^(v)中第i个节点是X^(v)中第j个节点，那么反之为0；U^(v)∈R^dv×N，v＝1，2，...，m表示多模态数据的映射空间；λ₁0是权衡参数；是G^(v)的拉普拉斯矩阵，特征相似性矩阵G^(v)∈R^dv×dv由互knn图构建

建立不完整多模态数据的交叉图匹配模型；其中，将可能变化的视图表示转化为具有不变性的图连接强度；具体为，通过约束映射空间构建的多个连接图之间两两匹配，构建视图共识；所述交叉图匹配模型的目标函数为：

式中，λ₂0是权衡参数；和分别表示映射空间U的第i列和第j列；表示连接矩阵S的中的元素，行和为1；ε表示数据样本集合；S^(v)和S^(w)表示任意两个视角的连接图；

结合所述缺失值填充模型和所述交叉图匹配模型的目标函数，建立交叉图匹配不完整多视图聚类模型；其中，所述交叉图匹配不完整多视图聚类模型的目标函数为：

将所述交叉图匹配不完整多视图聚类模型分解为三个子问题，包括优化缺失矩阵E，求解映射空间U以及更新连接矩阵S；

采用迭代算法求解所述三个子问题直到三个子问题收敛，求得最优解，包括：

初始化连接矩阵S；其中，为减少缺失值对构图的影响，采用实际样本数据构建相似图；

固定映射空间U^(v)和连接矩阵S^(v)，更新缺失矩阵E^(v)；

固定缺失矩阵E^(v)和连接矩阵S^(v)，更新映射空间U^(v)；

固定缺失矩阵E^(v)和映射空间U^(v)，通过迭代算法求解连接矩阵S^(v)的目标方程。

2.根据权利要求1所述的交叉图匹配不完整多视图聚类方法，其特征在于，所述初始化连接矩阵S包括：

其中，定义为：

式中，为采用实际样本数据X^(v)∈R^dv×N-nv构建相似图

3.根据权利要求1所述的交叉图匹配不完整多视图聚类方法，其特征在于，所述固定映射空间U^(v)和连接矩阵S^(v)，更新缺失矩阵E^(v)，包括：

4.根据权利要求1所述的交叉图匹配不完整多视图聚类方法，其特征在于，所述固定缺失矩阵E^(v)和连接矩阵S^(v)，更新映射空间U^(v)，包括

式中，是S(v)的拉普拉斯矩阵。