(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210920193.7 (22)申请日 2022.08.01 (71)申请人 广东工业大 学 地址 510090 广东省广州市越秀区东 风东 路729号 (72)发明人 王银凤　曹江中　 (74)专利代理 机构 广州粤高专利商标代理有限 公司 44102 专利代理师 刘俊 (51)Int.Cl. G06K 9/62(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) (54)发明名称 一种基于共正则化谱聚类的不完整多视图 聚类方法和系统 (57)摘要 本发明公开了一种基于共正则化谱聚类的 不完整多视图聚类方法和系统， 涉及计算机视觉 和模式识别的技术领域， 包括： 获取不完整多视 图数据集， 将每个视图转换为数据矩阵； 对数据 矩阵进行降维处理， 获得系数矩阵； 基于系数矩 阵的自表示特性， 构造相似矩阵， 进而计算拉普 拉斯矩阵； 基于拉普拉斯矩阵获得每个视图的聚 类指示矩阵； 对聚类指示矩阵进行核对齐， 获得 一致聚类指示矩阵； 最终构建不完整多视图聚类 的目标函数并优化求解， 获得最优一致聚类指示 矩阵； 将最优一致聚类指示矩阵输入现有的分类 算法中， 获得不完整多视图的聚类结果。 本发明 在多视图不完整的情况下， 深度挖掘视图数据的 互补性和一致性信息， 提高了不完整多视图的聚 类效果。 权利要求书4页 说明书16页 附图3页 CN 115392350 A 2022.11.25 CN 115392350 A 1.一种基于共正则化谱聚类的不完整 多视图聚类方法， 其特 征在于， 包括： S1： 获取不完整 多视图数据集， 并将所述数据集中的每 个视图转换为数据矩阵； S2： 对每个视图的数据矩阵进行降维处 理， 获得每 个视图的系数矩阵； S3： 基于每 个视图的系数矩阵的自表示特性， 构造每 个视图的相似矩阵； S4： 根据每个视 图的相似矩阵计算每个视图的拉普拉斯矩阵， 基于拉普拉斯矩阵获得 每个视图的聚类指示矩阵； S5： 对每个视图的聚类指示矩阵进行核对齐， 获得一 致聚类指示矩阵； S6： 基于一致聚类指示矩阵构建不完整多视图聚类的目标函数， 利用交替方法对所述 目标函数进行优化 求解， 获得最优一 致聚类指示矩阵； S7： 将最优一 致聚类指示矩阵输入现有的分类算法中， 获得不完整 多视图的聚类结果。 2.根据权利要求1所述的基于共正则化谱聚类的不完整多视图聚类方法， 其特征在于， 所述步骤S1中， 每个视图的数据 矩阵包含了该视图未缺 失的数据， 将第v个视图的数据 矩阵 记为： 其中， 表示第v个视图中第nv个未缺失数据元素， dv表示第v个视图中未缺失数据的 特征维数， nv表示第v个视图中未缺失数据的数量； V表示不完整多视图数据集中视图数量， v＝1,2,…,V。 3.根据权利要求2所述的基于共正则化谱聚类的不完整多视图聚类方法， 其特征在于， 所述步骤S2中， 对每个视图的数据矩阵进行半非负矩阵分解实现降维操作， 获得每个视图 的系数矩阵， 表达式为： s.t.V(v)≥0 式中， U(v)表示第v个视图的基矩阵， V(v)表示第v个视图的系数矩阵， c表示聚类 个数； 表示求取F范数。 4.根据权利要求3所述的基于共正则化谱聚类的不完整多视图聚类方法， 其特征在于， 所述步骤S3中， 构造每 个视图的相似矩阵的表达式为： 式中， Z(v)表示第v个视图的相似矩阵， 表示Z(v)中第i行第j列的元素， 表示求取 F范数。 5.根据权利要求4所述的基于共正则化谱聚类的不完整多视图聚类方法， 其特征在于， 所述步骤S4中， 根据每 个视图的相似矩阵计算每 个视图的拉普拉斯矩阵的具体方法为： 根据每个视图的相似矩阵Z(v)计算所对应的邻接矩阵W(v)：权　利　要　求　书 1/4 页 2 CN 115392350 A 2式中， |*|表示 求模操作， |Z(v)|T表示|Z(v)|的转置； 根据邻接矩阵W(v)计算对应的加权度矩阵D(v)： 式中， 表示加权度矩阵D(v)第i行第i列的元素； 表示邻接矩阵W(v)第i行第j列的 元素， 代表第i行第j列元 素的权重； 根据邻接矩阵W(v)和加权度矩阵D(v)计算相似矩阵Z(v)的拉普拉斯矩阵 式中， 表示第v个视图的拉普拉斯矩阵。 6.根据权利要求5所述的基于共正则化谱聚类的不完整多视图聚类方法， 其特征在于， 所述步骤S5中， 基于拉普拉斯矩阵获得每 个视图的聚类指示矩阵的具体方法为： 根据数据矩阵设置索引矩阵G(v)， 其中： 利用谱聚类技 术计算每 个视图的聚类指示矩阵： 式中， F(v)表示第v个视图的聚类指示矩阵； 表示索引矩阵G(v)的转置矩阵， 表 示F(v)的转置矩阵， Tr(*)表示 求取矩阵的迹 。 7.根据权利要求6所述的基于共正则化谱聚类的不完整多视图聚类方法， 其特征在于， 所述步骤S5中， 对每个视图的聚类指示矩阵进行核对齐， 获得一致聚类指示矩阵的具体方 法为： 式中， S表示一致聚类指示矩阵； KS表示S的线性核矩阵， KS＝SST； 表示F(v)的线性核 矩阵， 基于 将上式改写为： 式中， Γ(*)表示核对齐操作， c表示聚类 个数。 8.根据权利要求7所述的基于共正则化谱聚类的不完整多视图聚类方法， 其特征在于， 所述步骤S6中， 基于一 致聚类指示矩阵构建的不完整 多视图聚类的目标函数表示 为：权　利　要　求　书 2/4 页 3 CN 115392350 A 3