[发明专利]一种基于多方协同图像数据分析方法和系统

权利要求书

1.一种基于多方协同图像数据分析方法，其特征在于，包括如下步骤：

获取图像样本集，对图像样本集中的图像样本进行缺失值处理；

计算图像样本i的限度密度，并计算所述图像样本i到临近图像样本j的间隔距离，所述临近图像样本j的限度密度大于图像样本i的限度密度，且临近图像样本j距离图像样本i最近；

根据每个图像样本的限度密度和间隔距离构成决策图，并以限度密度和间隔距离较大的图像样本作为组中心，得到组中心集合；

计算离分图像样本；

将除组中心外的非离分图像样本按照第一分配策略分配到相应的组，将第一分配策略未分配到的非离分图像样本和离分图像样本按照第二分配策略分配到相应的组。

2.根据权利要求1所述的一种基于多方协同图像数据分析方法，其特征在于，计算图像样本i的限度密度，并计算所述图像样本i到临近图像样本j的间隔距离，具体为：

；

；

对于限度密度最大的图像样本i，其；

其中，为图像样本i的限度密度，为图像样本i和图像样本j的欧式距离，为图像样本i的K个近邻图像样本构成的集合，为图像样本i到临近图像样本j的间隔距离。

3.根据权利要求1所述的一种基于多方协同图像数据分析方法，其特征在于，所述计算离分图像样本，具体为：

；

；

；

其中，o为离分图像样本，为图像样本i的KNN距离，为定义的阈值，N为图像样本总数，为图像样本i和图像样本j的欧式距离。

4.根据权利要求1所述的一种基于多方协同图像数据分析方法，其特征在于，将除组中心外的非离分图像样本按照第一分配策略分配到相应的组，所述第一分配策略为：

步骤S11，从组中心集合CI选出一个未访问样本点ci，作为一个新组的组中心，标记ci为已访问；

步骤S12，将ci点的近邻集合KNN(ci)中的样本并入ci所在组，初始化队列Vq，并将KNN(ci)中样本依次入队列Vq；

步骤S13，删除队列Vq的队头样本q后，对于集合KNN(q)中每个样本r，若满足条件：i)没有被分配，ii)非离分点，iii)，则将r归入q所属组，并将样本r加入队列Vq尾部；

步骤S14，若队列Vq不为空，则转S13；

步骤S15，若CI中还有未被访问的样本点，则转步骤S11，否则结束第一分配策略。

5.根据权利要求4所述的一种基于多方协同图像数据分析方法，其特征在于，将第一分配策略未分配到的非离分图像样本和离分图像样本按照第二分配策略分配到相应的组，所述第二分配策略为：

S21，对每一个未被分配图像样本i，统计其近邻KNN(i)中属于组b (b = 1,2,3…)的样本数M_b (i)，得到一个1×的向量 M(i)，对未分配样本构成一个nr×矩阵s，其中，s(i,j)= M_j(i)，j = 1,2,3…，i= 1,2,3... nr，nr为未分配样本数量；

S22，从矩阵s中获取图像样本p，归入相应组，具体样本p的获取方法为：由矩阵s得到样本i所属组k ，k=1,2,3…，使N_k(i) = max{N_b(i)，b=1,2,3…}；每一个样本的N_k(i)组成向量Vmax；设Vmax分量最大值对应的样本为p，即N_k(p)=max{N_k(i)，i= 1,2,3... nr }；样本p按照以下方式分配：

a) 若N_k(p)=K，则将矩阵s中最大值为K的所有样本分配到最大值对应的组；

b) 若0＜N_k(p)＜K，则从识别矩阵s中选择一个最大值等于N_k(p)的样本，进行组分配，并记被分配样本为p；

c）否则结束第二分配策略；

S23，更新识别矩阵s：对于KNN(p)中没有分配的样本q，置 N_k(q)= N_k(q)+ 1，并将样本P在识别矩阵S的对应向量N(p)置0；

S24，若无未分配样本，则结束第二分配策略，否则转S22。