(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 202210057512.6 (22)申请日 2022.04.02 (71)申请人 广西科技大 学 地址 545006 广西壮 族自治区柳州市东环 大道268号 (72)发明人 阳树洪　李梦利　曹超　李春贵　 夏冬雪　 (74)专利代理 机构 长沙正奇专利事务所有限责 任公司 431 13 专利代理师 周晟 (51)Int.Cl. G06V 10/762(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 基于低秩子空间一 致性的图像聚类方法 (57)摘要 本发明旨在提供一种基于低秩子空间一致 性的图像聚类方法， 包括以下步骤： 构建深度神 经网络结构如下： 包括编码网络、 自表达层、 解码 网络； 编码网络包括三个依次连接的隐藏层， 第 一隐藏层设有五个依次连接的卷积层， 第二、 三 隐藏层分别设有三个依次连接的卷积层； 自表达 层包括依次连接的隐藏层和输出层， 隐藏层设有 设有十个节 点； 解码网络包括三个依次连接的隐 藏层， 第一、 二隐藏层分别设有三个依次连接的 卷积层， 第三隐藏层设有五个依次连接的卷积 层； 构建训练函数训练神经网络； 利用训练好的 神经网络进行图像聚类处理。 本发 明具有更好的 聚类处理效果。 权利要求书2页 说明书6页 附图1页 CN 114529746 A 2022.05.24 CN 114529746 A 1.一种基于低秩子空间一 致性的图像聚类方法， 其特 征在于包括以下步骤： A、 构建BP神经网络， BP神经网络结构具体如下： 包括编码网络、 自表达层、 解码网络； 编码网络包括三个依次连接的隐藏层， 第一隐藏 层设有五个依次连接的卷积层， 第二、 三隐藏层分别设有三个依次连接的卷积层； 自表达层 包括依次连接的隐藏层和输出层， 隐藏层设有设有十个节点； 解码网络包括三个依 次连接 的隐藏层， 第一、 二隐藏层分别设有三个依次连接的卷积层， 第三隐藏层设有五个依次连接 的卷积层； 在编码网络 中： 在第一隐藏层中， 第 一卷积层的输入响应为原始图像， 其他卷积层的输 入响应为该阶段上一卷积层的输出响应； 在第二、 三隐藏层中， 除了该阶段中的第一卷积层 的输入响应之外， 该阶段中的其他卷积层的输入响应为上一卷积层的输出响应， 在第一、 二、 三隐藏层中最后一个卷积层的输出响应， 经过最大值池化后作为下一个阶段的第一卷 积层的输入响应； 在自表达层层中： 编码网络输出的各个结果分别经过权重C后输入隐藏层的各个节点 中， 在隐藏层的各个节点中分别加权累加后， 分别输出至输出层中的各个节点中， 在输出层 的各个节点中加权累加后输出至解码网络中； 输出层节点数与编码器的输出维数相同； 在解码网络 中： 在第一隐藏层中， 第 一卷积层的输入响应为自表达层的输出响应， 其他 卷积层的输入响应为该阶段上一卷积层的输出响应； 在第二、 三隐藏层中， 除了该阶段中的 第一卷积层的输入响应之外， 该阶段中的其他卷积层的输入响应为上一卷积层的输出响 应， 在第一、 二、 三隐藏层中最后一个卷积层的输出响应， 经过最大值池化后作为下一个阶 段的第一卷积层的输入响应； B、 构建训练函数， 利用训练函数对神经网络进行训练和验证， 得到训练好的神经网络； C、 利用训练好的神经网络进行图像聚类处理， 聚类过程如下： 原始图像数据集先经过 编码网络卷积处理， 然后在自表达层中经过加权累加， 最后经过解码网络卷积处理， 即得最 终聚类结果。 2.如权利要求1所述的基于低秩子空间一致性的图像聚类方法， 其特征在于： 所述的编 码网络和解码网络中各个卷积层的表达式均为m*n ‑k conv+relu， 其中， m*n表示卷积核的 大小， k表 示输出通道数， conv表 示卷积公式， relu表 示激活函数； m*n、 k均为预设值； 所述的 最终融合层的卷积表达式为m*n ‑k conv。 3.如权利要求2所述的基于低秩子空间一致性的图像聚类方法， 其特征在于： 所述的编 码网络中， 第一隐藏层中各卷积层均为5*5卷积， 通道数为5； 第二隐藏层、 第三隐藏层中各 卷积层均为3 *3卷积， 通道数为3 。 4.如权利要求3所述的基于低秩子空间一致性的图像聚类方法， 其特征在于： 所述的编 码网络中， 第一隐藏层中， 各卷积层的通道数均为5； 第二隐藏层、 第三隐藏层中各卷积层的 通道数均为3 。 5.如权利要求2所述的基于低秩子空间一致性的图像聚类方法， 其特征在于： 所述的编 码网络中， 第一隐藏层、 第二隐藏层中各卷积层均为3*3卷积， 通道数为3； 在第三隐藏层中 各卷积层均为5 *5卷积， 通道数为5 。 6.如权利要求5所述的基于低秩子空间一致性的图像聚类方法， 其特征在于： 所述的编 码网络中， 第一隐藏层、 第二隐藏层中各卷积层的通道数均为3； 第三隐藏层中， 各卷积层的权　利　要　求　书 1/2 页 2 CN 114529746 A 2通道数均为5 。 7.如权利要求1所述的基于低秩子空间一致性的图像聚类方法， 其特征在于： 所述的步 骤B中， 训练函数公式如下： S.t. diag(C)＝0，     (1) 其中， 表示编码器的输出； 表示解码 器输出处的重构信号； θ表示网络参数， 包 括编码器参数θe、 自表达层权重参数C和解码器参数θd； s.t. diag(C)＝0代表约束条件； 代表权重矩阵； α 是权衡自表达和正则项之间重要性的一个可调权值 参数， β 和γ均为权 值参数。权　利　要　求　书 2/2 页 3 CN 114529746 A 3