[发明专利]基于自适应缺失视角补全的端对端不完整多视角聚类方法

权利要求书

1.基于自适应缺失视角补全的端对端不完整多视角聚类方法，其特征在于，包括以下步骤：

第一步：确定待聚类多视角数据的聚类个数c，视角个数K，样本大小N，各视角的特征维度d^k；

第二步：根据输入的不完整多视角数据确定标识矩阵E^k，其定义如下：

同时随机初始化各视角的模糊划分矩阵U^k，聚类中心矩阵V^k，各视角权重w^k，映射矩阵B^k；确定算法最大迭代次数

第三步：构建初始化的目标公式，并计算目标公式值，其中目标公式如下：

其中

γ，δ，μ和β为超参数，超参数通常采用网格搜索策略来确定；

公式(2)具体解释如下：

前两项用于对补全后视角以及隐视角进行聚类，同时补全缺失视角；

第三、四项用于捕捉结构化信息，实现补全视角以及隐视角可判别性的提升；

第四、第五项用于获取视角间一致性信息，同样实现补全视角以及隐视角可判别性的提升；

第五、第六项用于自适应调节各视角的权重；

第四步：本发明采用交替迭代优化进行求解各优化项；

第五步：重复上述步骤直至收敛或达到最大迭代次数，并根据上一步中最优的模糊划分矩阵，根据下式得到最终的聚类划分矩阵：

2.如权利要求1所述的基于自适应缺失视角补全的端对端不完整多视角聚类方法，其特征在于：所述的第四步，具体操作如下：

4.1固定U^k，F^k，B^k和w^k，更新V^k

当U^k，F^k，B^k和w^k固定时，需要最小化以下目标公式

令为第(K+k)视角，通过将式(3)相对于V^k的导数置于零，由此可得到V^k的更新公式:

4.2固定V^k，F^k，B^k和w^k，更新U^k

当V^k，F^k，B^k和w^k固定时，需要最小化以下目标公式：

令为第(K+k)视角，通过将式(5)相对于U^k的导数置于零，由此可得到U^k的更新公式:

4.3固定V^k，F^k，U^k和w^k，更新B^k

当V^k，F^k，U^k和w^k固定时，需要最小化以下目标公式

通过将式(7)相对于B^k的导数置于零，由此可得到B^k的更新公式:

4.4固定V^k，B^k，U^k和w^k，更新F^k

当V^k，B^k，U^k和w^k固定时，需要最小化以下目标公式:

通过将式(9)相对于F^k的导数置于零，由此可得到F^k的更新公式:

其中I是单位居中，S^k∈R^N*N是对角矩阵，和定义如下

4.5固定V^k，B^k，U^k和F^k，更新w^k

当V^k，B^k，U^k和F^k固定时，需要最小化以下目标公式:

通过将式(13)相对于F^k的导数置于零，由此可得到F^k的更新公式:

通过迭代执行(4)、(6)、(8)、(10)和(14)，得到局部最优解。