基于自适应图正则化的低秩NMF图像聚类方法与系统

    公开(公告)号:CN113313153B

    公开(公告)日:2023-06-23

    申请号:CN202110551165.8

    申请日:2021-05-20

    Applicant: 扬州大学

    Abstract: 本发明公开了一种基于自适应图正则化的低秩NMF图像聚类方法与系统,首先对原始图像数据集应用RPCA算法,获得低秩图像集和噪声;然后对低秩图像集应用NMF,得到基图像集和对应的非负线性表达系数矩阵,再利用分解后的低维流形嵌入结构进行聚类,具体包括:对低秩图像集进行NMF,得到基图像集和非负线性表达系数矩阵;在基图像集上进行Tikhonov正则化,在非负线性表达系数矩阵上进行谱图正则化;对基图像集和非负线性表达系数矩阵分别进行迭代优化;最后,对迭代优化所得的非负线性表达系数矩阵进行聚类,获得图像聚类结果。本发明可解决图像数据进行聚类时不能考虑图像数据的有效结构信息隐藏在其低秩部分的问题,并提高图像数据聚类的准确性。

    基于自适应图正则化的低秩NMF图像聚类方法与系统

    公开(公告)号:CN113313153A

    公开(公告)日:2021-08-27

    申请号:CN202110551165.8

    申请日:2021-05-20

    Applicant: 扬州大学

    Abstract: 本发明公开了一种基于自适应图正则化的低秩NMF图像聚类方法与系统,首先对原始图像数据集应用RPCA算法,获得低秩图像集和噪声;然后对低秩图像集应用NMF,得到基图像集和对应的非负线性表达系数矩阵,再利用分解后的低维流形嵌入结构进行聚类,具体包括:对低秩图像集进行NMF,得到基图像集和非负线性表达系数矩阵;在基图像集上进行Tikhonov正则化,在非负线性表达系数矩阵上进行谱图正则化;对基图像集和非负线性表达系数矩阵分别进行迭代优化;最后,对迭代优化所得的非负线性表达系数矩阵进行聚类,获得图像聚类结果。本发明可解决图像数据进行聚类时不能考虑图像数据的有效结构信息隐藏在其低秩部分的问题,并提高图像数据聚类的准确性。

Patent Agency Ranking