(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 202210451408.5 (22)申请日 2022.04.26 (71)申请人 安徽工业大学芜湖技 术创新研究院 地址 241060 安徽省芜湖市鸠江区安徽 工 程大学 (72)发明人 吴紫恒　郭洪哲　王兵　赵远　 汪文艳　 (74)专利代理 机构 合肥市科深知识产权代理事 务所(普通 合伙) 3423 5 专利代理师 史文军 (51)Int.Cl. G06V 10/762(2022.01) G06V 10/774(2022.01) G06K 9/62(2022.01) (54)发明名称 一种基于深度子空间模糊聚类的图像聚类 方法及系统 (57)摘要 本发明公开了一种基于深度子空间模糊聚 类的图像聚类方法及系统， 涉及图像聚类技术领 域。 本发明包括： 设计深度自编码器模型， 初始化 网络； 基于输入样本与重构输出样本误差最小 化， 构建自表达模块损失函数， 并对自编码器模 型预训练， 学习图像的低维空间特征表示； 在自 编码器模型目标函数中加入模糊聚类模块损失， 构建基于模糊聚类的自编码器目标函数， 对自编 码器进行训练， 进行网络参数再学习， 并同时实 现图像模糊聚类； 输出图像聚类结果。 实现了图 像特征学习和模糊聚类同时进行， 在深度自编码 器特征学习过程中， 增加权值正则化约束和非负 权值约束， 并在模糊聚类过程中， 进行深度 自编 码器低维特征再学习， 有效提高深度子空间 聚类 的性能。 权利要求书2页 说明书5页 附图1页 CN 114821142 A 2022.07.29 CN 114821142 A 1.一种基于深度子空间模糊聚类的图像聚类方法， 其特 征在于， 包括以下步骤： 步骤S1： 设计深度自编码器模型， 初始化网络； 步骤S2： 基于输入样本与重构输出样本误差最小化， 构建自表达模块损失函数， 并对深 度自编码器模型 预训练， 学习图像的低维空间特 征表示； 步骤S3： 在深度自编码器模型目标函数中加入模糊聚类模块损失， 构建基于模糊聚类 的深度自编码 器目标函数， 对深度自编 码器进行训练， 进行网络参数再学习， 并同时实现图 像模糊聚类； 步骤S4： 输出图像聚类结果。 2.根据权利要求1所述的一种基于深度子空间模糊聚类的图像聚类方法， 其特征在于， 所述步骤S1中， 设计的深度自编码 器模型为2个深度自编 码器级联构成， 第一个深度自编码 器的隐含层输出作为第二个深度自编码器的输入。 3.根据权利要求1所述的一种基于深度子空间模糊聚类的图像聚类方法， 其特征在于， 所述步骤S2中， 深度自编码器模型的自表达模块损失函数为： 其中， 在所述深度自编码器模型的自表达模块损失函数中， 第 一项为深度自编码器输入样本 与重构输出样本误差， 第二项为权值 正则化项， 第三项为权值非负约束 项； ||*||2表示向量*的2 ‑范数； x,x ′分别为深度自编码器的输入和重构输出向量； W(m)表示 网络第m层L(m)与第m+1层L(m+1)间的权值矩阵； γ、 为平衡目标函数不同项权重 的两个参 数。 4.根据权利要求3所述的一种基于深度子空间模糊聚类的图像聚类方法， 其特征在于， 所述步骤S3中， 模糊聚类模块损失为： 在上式中， uij表示第i个图像属于第j类的隶属度， hi为第i个图像的低维特征表示， cj为 第j类聚类中心， n 为图像样本个数， k 为图像类别数目。 5.根据权利要求4所述的一种基于深度子空间模糊聚类的图像聚类方法， 其特征在于， 所述步骤S3中， 基于模糊聚类的深度自编码器目标函数： 6.根据权利要求5所述的一种基于深度子空间模糊聚类的图像聚类方法， 其特征在于， 所述步骤S4中， 输出图像聚类结果： 将第i个图像划分为uij最大即 对应的第j 个类 别。 7.一种基于深度子空间模糊聚类的图像聚类系统， 其特征在于， 采用所述的图像聚类权　利　要　求　书 1/2 页 2 CN 114821142 A 2系统按照如权利要求1～6任一项所述的图像聚类方法对图像进 行聚类， 所述的图像聚类系 统包括： 初始化模块： 其选择进行聚类的图像样本数据集， 构建深度自编码器模型， 深度自编码 器模型由2个深度自编码器级联构成， 第一个深度自编码器的隐含层输出作为第二个深度 自编码器的输入， 并初始化网络； 第一训练模块： 其基于输入样本与重构输出样本误差最小化， 构建自表达模块损 失函 数， 并对深度自编码器模型 预训练， 学习图像的低维空间特 征表示； 第二训练模块： 其在深度自编码器模型目标函数中加入模糊聚类模块损 失， 构建基于 模糊聚类的深度自编 码器目标函数， 对深度自编码器进 行训练， 进 行网络参数再学习， 并同 时实现图像模糊聚类； 输出模块： 其用于输出图像聚类结果， 将第i个图像划分为uij最大即 对应的 第j个类别； 控制处理模块： 其分别与初始化模块、 第一训练模块、 第二训练模块、 输出模块电性连 接并向各模块发出控制指令， 完成相关动作。权　利　要　求　书 2/2 页 3 CN 114821142 A 3