专利交易市场

本发明提供了一种基于多流形对偶图正则化非负矩阵分解的多视图聚类方法，包括：S10获取待聚类视图；S20针对每个待聚类视图构建数据图的邻接矩阵和特征图的邻接矩阵；S30通过一致性系数及多视图局部嵌入得到多流形对偶图正则化非负矩阵分解的目标函数；S40根据目标函数使用迭代加权的方法迭代预设次数，对每个待聚类视图数据图的邻接矩阵、特征图的邻接矩阵及图正则项进行更新，得到各待聚类视图的特征矩阵；S50采用k-means聚类算法分别对每个待聚类视图的特征矩阵进行分析，实现多视图聚类。该聚类方法与传统的多视图聚类方法相比，更加有效地利用视图数据中包含的结构信息及特征，大大提升了聚类效果，带来了更好的聚类性能。

本公开公开了基于离散多视图聚类的图像聚类方法、系统、设备及介质，包括：对于多视图数据，学习一个理想的结构化图；依据谱聚类原理，在聚类任务中实现图的嵌入，保留原始数据的流型结构；同时学习一个映射矩阵，解决样本外数据的聚类问题；求解所述的目标函数，离散化连续标签，得到最终的离散聚类标签；在整个学习过程中，都考虑到多视图数据的互补性，以及不同视图特征对学习任务对应不同的重要性，该方法自动地为每个视图特征分配合适的权重。本发明提高了多视图聚类的精确度。