公开(公告)号：CN116824187A

公开(公告)日：2023-09-29

申请号：CN202210266861.9

申请日：2022-03-17

申请人： 西南科技大学

发明人： 任珍文 ,  游佳莉 ,  戴健 ,  朱松柏 ,  祝本明 ,  史慧芳 ,  尤晓建 ,  李浩然

IPC分类号： G06V10/762 ,  G06V10/74 ,  G06V20/30

摘要： 本发明涉及一种基于核k均值耦合图和强化张量学习的多核聚类方法，对数据进行高阶相似关系学习，特别针对具有非线性结构的数据，包括以下步骤：输入待分析数据；利用核技巧对数据进行预处理；利用核k‑均值耦合图学习和强化张量学习方法对输入的待分析数据建立聚类分析模型；采用交替优化方法求解模型，得到数据相似图的张量表示；利用张量构造数据相似图，并输入到谱聚类中，得到最终聚类结果。本发明与现有方法相比，解决了现有多核聚类方没有考虑基核之间的高阶关系导致学习得到的相似图质量不高的问题，有效提高了聚类性能；可广泛应用于计算机视觉和模式识别等技术领域。