(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 202210158539.4 (22)申请日 2022.02.21 (71)申请人 哈尔滨工业大 学 （深圳） 地址 518000 广东省深圳市南 山区桃源街 道深圳大 学城哈尔滨工业大 学校区 (72)发明人 陈勇勇　赵晓佳　徐婷婷　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 洪铭福 (51)Int.Cl. G06V 10/40(2022.01) G06V 10/762(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) (54)发明名称 一种多视图子空间聚类方法、 装置、 设备及 存储介质 (57)摘要 本实施例提供一种多视图子空间聚类方法、 装置、 设备及存储介质， 属于模式识别技术领域。 该方法包括： 通过对多视图数据进行特征提取， 得到数据特征矩阵； 对数据特征矩阵进行自表示 处理， 得到多视图数据的自表示矩阵； 根据 自表 示矩阵构造多视图数据的第一表 示张量； 对第一 表示张量进行张量奇异值分解， 得到第二表示张 量； 基于第二表示张量计算得到多视图数据的亲 和度矩阵； 利用聚谱类算法对亲和度矩阵进行分 割， 得到子空间聚类结果。 本申请能够通过一步 化的张量低秩方法对多视图数据进行聚类， 以提 升多视图子空间聚类方法的鲁棒 性与准确率。 权利要求书3页 说明书13页 附图2页 CN 114612671 A 2022.06.10 CN 114612671 A 1.一种多视图子空间聚类方法， 其特 征在于， 包括： 对多视图数据进行 特征提取， 得到数据特 征矩阵； 对所述数据特 征矩阵进行自表示处 理， 得到所述多视图数据的自表示矩阵； 根据所述自表示矩阵构造所述多视图数据的第一表示张量； 对所述第一表示张量进行张量奇异值分解， 得到第二表示张量； 基于所述第二表示张量计算得到所述多视图数据的亲和度矩阵； 利用聚谱类算法对所述亲和度矩阵进行分割， 得到 子空间聚类结果。 2.根据权利要求1所述的一种 多视图子空间聚类方法， 其特征在于， 所述对所述数据 特 征矩阵进行自表示处 理， 得到所述多视图数据的自表示矩阵， 包括： 获取所述多视图数据的数据特 征矩阵Xv； 利用下述公式对所述数据特征矩阵进行自表示处理， 得到所述多视图数据的自表示矩 阵Zv： Xv＝XvZv+Ev， v＝1,2, …,V； 其中， V表示所述多视图数据中的视图数量， Xv表示第v个视图中的所述数据特征矩阵， Zv表示所述第v个视图中的所述自表示矩阵， Ev表示所述第v个视图中的噪声矩阵。 3.根据权利要求2所述的一种 多视图子空间聚类方法， 其特征在于， 所述根据 所述自表 示矩阵构造所述多视图数据的第一表示张量， 包括： 将得到的V个自表示矩阵(Z1,Z2,…,ZV)分别作为 正面切片； 利用下述公式构造所述多视图数据的第一表示张量 其中， Φ(·)用于将所述V个自表示矩阵作为所述正面切片进行合并， 以构造所述多视 图数据的所述第一表示张量 4.根据权利要求3所述的一种 多视图子空间聚类方法， 其特征在于， 所述对所述第 一表 示张量进行张量奇异值分解， 得到第二表示张量， 包括： 获取所述第一表示张量 利用下述公式对所述第一表示张量 进行低秩约束处理， 得到所述多视图数据的第二 表示张量 其中， 所述第一表示张量 经过张量奇异值分解被定 义为三个矩阵张量的乘积形式， 表示第一正交张量， 表示第二正交张量， 表示对所述第二正交张量的转置， 和 表示由张量特 征值构成的对角张量， n1、 n2、 n3分别表示所述第一表示张量 的三个维度值。 5.根据权利要求1至4任一项所述的一种多视 图子空间聚类方法， 其特征在于， 所述基 于所述第二表示张量计算得到所述多视图数据的亲和度矩阵， 包括： 利用下述公式计算所述多视图数据的优化目标函数：权　利　要　求　书 1/3 页 2 CN 114612671 A 2s.t.Xv＝XvZv+Ev， v＝1,2, …,V； E＝[E1； E2；…； EV]， AT1＝1， 0≤A≤1； 其中， 表示所述第一表示张量， E表示由V个视图构成的噪声矩阵， A表示亲和度矩阵， 表示核范数， V表示输入的视图数量， α表示第一惩罚参数， tr( ·)表示求解矩阵的迹， LA表示所述亲和度矩阵的图拉普拉斯矩阵， s.t.表示所述优化目标函数 需要满足的约 束条 件， Zv表示第v个视图中 的所述自表示矩阵， β 表示对应于所述亲和度矩阵的第二惩罚参数， γ表示对应于所述噪声矩阵的第三惩罚参数， Xv表示所述第v个视图中的所述数据特征矩 阵； 根据所述优化目标函数 得到所述多视图数据的所述亲和度矩阵。 6.根据权利要求5所述的一种 多视图子空间聚类方法， 其特征在于， 所述根据 所述优化 目标函数 得到所述多视图数据的所述亲和度矩阵， 包括： 采用交替方向乘子法求 解所述优化目标函数的最优化 参数； 根据所述 最优化参数求解所述多视图数据的亲和度矩阵。 7.一种多视图子空间聚类装置， 其特 征在于， 包括： 特征提取模块， 用于对多视图数据进行 特征提取， 得到数据特 征矩阵； 自表示处理模块， 用于对所述数据特征矩阵进行自表示处理， 得到所述多视 图数据的 自表示矩阵； 表示张量构造模块， 用于根据所述自表示矩阵构造所述多视图数据的第一表示张量； 张量奇异值分解模块， 用于对所述第一表示张量进行张量奇异值分解， 得到第二表示 张量； 亲和度矩阵计算模块， 用于基于所述第 二表示张量计算得到所述多视图数据的亲和度 矩阵； 子空间聚类模块， 用于利用聚谱类算法对所述亲和度矩阵进行分割， 得到子空间聚类 结果。 8.根据权利要求7所述的一种 多视图子空间聚类装置， 其特征在于， 所述张量奇异值分 解模块， 用于对所述第一表示张量进行张量奇异值分解， 得到第二表示张量， 包括： 获取所述多视图数据的数据特 征矩阵Xv； 利用下述公式对所述数据特征矩阵进行自表示处理， 得到所述多视图数据的自表示矩 阵Zv： Xv＝XvZv+Ev， v＝1,2, …,V； 其中， V表示所述多视图数据中的视图数量， Xv表示第v个视图中的所述数据特征矩阵， Zv表示所述第v个视图中的所述自表示矩阵， Ev表示所述第v个视图中的噪声矩阵。 9.一种计算机设备， 其特征在于， 所述一种计算机设备包括存储器和 处理器， 其中， 所 述存储器中存储有计算机程序， 所述计算机程序被所述处理器执行时所述处理器用于执 行：权　利　要　求　书 2/3 页 3 CN 114612671 A 3