[发明专利]一种基于谱聚类的BOW图匹配方法及系统

权利要求书

1.一种基于谱聚类的BOW图匹配方法，其特征在于，包括如下过程：

提取引文网络图的节点特征和拓扑特征；

使用谱聚类算法结合经遗传算法对K值优化得到的优化的K-means++算法将引文网络图的节点特征和拓扑特征描述子转换为单词，实现词典的构建；

使用局部约束编码的方式对所述词典进行特征编码，得到视觉词汇直方图；

对视觉词汇直方图进行分类，实现基于谱聚类的BOW图匹配方法。

2.根据权利要求1所述的一种基于谱聚类的BOW图匹配方法，其特征在于，提取引文网络图的拓扑特征过程包括：提取引文网络图的拓扑特征并利用拓扑特征构造出图拓扑特征向量。

3.根据权利要求2所述的一种基于谱聚类的BOW图匹配方法，其特征在于，所述拓扑特征为引文网络图中点与边之间的连接关系，利用空间句法理论的方法，构造出适合于非精确图匹配的图拓扑特征向量，所述拓扑特征包括节点介数、控制值、连接值、平均深度值和集成度。

4.根据权利要求1所述的一种基于谱聚类的BOW图匹配方法，其特征在于，利用遗传算法对K值优化得到的优化的K-means++算法的过程包括如下步骤：

1)设置K值的取值范围，并随机生成初始种群，设当前代数t＝1；

2)根据染色体获得的K值，构建BOW模型，然后计算模型分类正确的个数及误差；

3)选择优胜的个体，进行交叉、变异操作，得到下代种群；

4)设当前代数t＝t+1；

5)判断t是否大于设定的代数T或误差函数J_m是否等于0，满足其中一个条件，跳回步骤2)，否则，进行步骤6)；

6)输出一组优化过后的K值，实现对K-means++算法的优化，得到优化的K-means++算法。

5.根据权利要求4所述的一种基于谱聚类的BOW图匹配方法，其特征在于，使用谱聚类算法结合优化的K-means++算法的计算过程包括如下步骤：

1)将输入的数据生成对角矩阵D和n×n的邻接矩阵A；

2)利用对角矩阵D和n×n的邻接矩阵A计算拉普拉斯矩阵L_rsym：

3)计算L_rsym的特征值，将特征值从小到大排序，取前k个特征值，并计算前k个特征值的特征向量u₁,u₂,…u_k；将k个列向量组成矩阵U＝{u₁,u₂,…u_k},U∈R^n*k；

4)令y_i∈R^k是U的第i行的向量，其中i＝1,2,…,n,然后将y_i∈R^k依次单位化，使得|y_i|＝1；

5)通过优化的K-means++算法将新样本点Y＝{y₁,y₂,…y_n}聚类成簇C₁，C₂,…,C_k；

6)输入簇A₁,A₂,…,A_k，其中，A_i＝{j|y_j∈C_i}。

6.根据权利要求1所述的一种基于谱聚类的BOW图匹配方法，其特征在于，对视觉词汇直方图进行分类时采用SVM分类器算法进行分类。

7.一种基于谱聚类的BOW图匹配系统，其特征在于，包括：

特征提取模块：用于提取引文网络图的节点特征和拓扑特征；

词典构建模块：用于使用谱聚类算法结合经遗传算法对K值优化得到的优化的K-means++算法将引文网络图的节点特征和拓扑特征描述子转换为单词，实现词典的构建；

特征编码模块：用于使用局部约束编码的方式对所述词典进行特征编码，得到视觉词汇直方图；

分类模块：用于对视觉词汇直方图进行分类，实现基于谱聚类的BOW图匹配方法。