[发明专利]一种可伸缩性的图像聚类方法

摘要

本发明公开了一种可伸缩性的图像聚类方法，应用于图像聚类领域，用于解决现有技术对大规模数据进行聚类时准确率低，时间内存消耗大的问题。本发明通过选取大规模数据中的代表点来构建数据的相似矩阵，代入到鲁棒集成谱聚类模型中使聚类模型运算更简便，计算效率相比原来用全部数据来构建相似矩阵进行迭代运算的方法得到显著提升。

主权项

1.一种可伸缩性的图像聚类方法，其特征在于，包括以下步骤：S1：选取图像数据集X并对其进行归一化，将归一化后的数据集X进行p次快速聚类运算,获得p个基本聚类的标签向量分别为y¹,y²,y³,...,y^p，组成标签矩阵Y＝[y¹,y²,y³...y^p]，其中p为大于0的正整数；S2：将标签矩阵Y转化成一个二进制的稀疏矩阵Y^*；S3：采用快速聚类运算对Y^*聚类成n个聚类分区，选取每一个聚类分区的聚类中心点作为代表点放入到矩阵R中，并保留图像数据集X中每一个原始图像数据对应的标签向量T作为代表点与图像数据集X中的原始图像数据的对应关系；S4：利用矩阵R构建相似矩阵S，将相似矩阵S代入鲁棒集成谱聚类模型中得到目标函数，并对目标函数进行迭代优化运算；S5：迭代优化直到最后目标函数收敛为止，将最后得到的目标函数中的标示矩阵H进行快速聚类运算，并保留聚类后每个聚类分区的聚类标签，得到标签矩阵P；S6：将图像数据集X中的原始图像数据和标签矩阵P联系起来，并将迭代后的标示矩阵H聚类后聚类分区的代表点所代表的图像数据集X中的原始图像数据分配到S5中的聚类分区中，得到最后的聚类结果。