(19)中华 人民共和国 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 202111661326.5 (22)申请日 2021.12.31 (71)申请人 广东泰迪智能科技股份有限公司 地址 510520 广东省广州市高新 技术产业 开发区开泰大道3 6号1栋212房 (72)发明人 张良均　徐圣兵　张敏　刘名军　 张尚佳　王宏刚　王振友　施兴　 赵云龙　周东平　杨惠　 (74)专利代理 机构 南京普睿益思知识产权代理 事务所(普通 合伙) 32475 代理人 张丽丽 (51)Int.Cl. G06K 9/62(2022.01) (54)发明名称 一种基于无约束先验信息模式的弱监督模 糊聚类算法 (57)摘要 本发明涉及弱监督学习技术领域， 且公开了 一种基于无约束先验信息模式的弱监督模糊聚 类算法， 包括以下步骤： S1： 定义概念， 定义标准 模式、 无约束先验隶属度、 强标准模式、 弱标准模 式的概念； S2： 获取无约束专家标注先验隶属度 矩阵； S3： 设计基于无约束先验信息模式的目标 函数； S4： 对目标函数运用拉格朗日乘数法求解； S5： 设计聚类算法。 本发明适用无约束先验信息， 利用先验信息与后验信息的交叉熵测度作为正 则项指导监督学习， 可以有效解决传统弱监督聚 类算法无法使用无约束先验信息的问题， 提高无 约束先验信息利用效率， 利用交叉熵测度， 有效 利用专家标注信息标注， 指导聚类过程， 提高聚 类结果准确性。 权利要求书2页 说明书6页 附图2页 CN 114266321 A 2022.04.01 CN 114266321 A 1.一种基于无约束先验信息模式的弱监 督模糊聚类算法， 其特 征在于， 包括以下步骤： S1： 定义概念， 定义标准模式、 无约束先验隶属度、 强标准模式、 弱标准模式的概念； S2： 获取无约束专家标注先验隶属度矩阵， 专家为样本XL＝{x1,x2,...,xn}标注无约束 先验隶属度 构造无约束先验隶属度矩阵U％(V0, ρ )， 其中 为c个标 准模式， 为样本xj对标准模式 模式的先验隶属度， ρ 为专家偏好系数， 且存 在样本xk， 使得 S3： 设计基于无约束先验信息模式的目标函数， 将无约束先验隶属度 引入KL散度正 则化FCM算法的目标函数中， 得到以下目标函数J(U,V)： 其中， 后验隶属度μij满足约束条件 和μij∈[0,1]， 先验隶属度 仅满足 条件， λ ≥0是一个平衡参数； S4： 对目标函数运用拉格朗日乘数法求解， 在约束条件 下， 定义(1)的拉格朗日函数L(U,V, λ )为： 通过拉格朗日乘数法最小化 L(U,V,γ)： 得到后验隶属度uij和聚类中心vi的表达式：权　利　要　求　书 1/2 页 2 CN 114266321 A 2当 时， S5： 设计聚类算法， 设计sFC M‑HC算法， 进行计算。 2.根据权利要求1所述的一种基于无约束先验信息模式的弱监督模糊聚类算法， 其特 征在于， 所述S1 中标注先验隶属度时， 给定了多个具有类簇代表 性的样本， 作为对样 本标注 隶属度时的参考标准， 定义给定的具有类簇代表性的样本为标准模式， 标准模式可 由已建 立的标准数据库中提取 得到。 3.根据权利要求2所述的一种基于无约束先验信息模式的弱监督模糊聚类算法， 其特 征在于， 所述S1中标准模式能在一定程度上反应其所代表类簇的特征， 若标准模式具有很 强的类簇代表性， 模式之 间相对独立且存在较大差异， 定义为强标准模式， 若标准模式具有 较弱的类别代 表性， 模式之间可存在重合或特 征的部分特 征， 定义为弱标准模式。 4.根据权利要求3所述的一种基于无约束先验信息模式的弱监督模糊聚类算法， 其特 征在于， 所述S1 中传统的先验隶属度标签， 是基于参考标准为 强模式的假设下标注的， 此时 先验隶属度满足 的约束条件， 而强模式的获取是有成本的， 弱模式则是普遍存在 的， 而当参考标准为弱模式时， 对于部分样本xi可能存在 的情况， 即无法满足满足 的约束条件， 无约束先验隶属度不满足 约束条件， 且针对未标注样本的先 验隶属度利用专 家偏好系数ρ 进行填补。 5.根据权利要求1所述的一种基于无约束先验信息模式的弱监督模糊聚类算法， 其特 征在于， 所述S3式中第1项为 FCM的目标函 数， 第2项关于后验隶属度uij和无约束先验隶属度 u％ij的KL散度正则项， 当第1项最小化时， uij隶属度为0或1， 当第2项最小化时， uj隶属度分 布与 隶属度分布相似， 如果是 λ＝0， 则sFC M‑HC退化为FCM。 6.根据权利要求5所述的一种基于无约束先验信息模式的弱监督模糊聚类算法， 其特 征在于， 所述S5中算法步骤如下： np ut： 样本数n， 样 本维度d， 类簇数c， ε迭代终止条件； 数据 集X， 最大迭代次数T； 初始隶属度U(0)， 先验隶属度矩阵U％(V0, ρ )， 平衡参数λ， Output： 类 簇中心矩阵V， 后验隶属度矩阵U， Repeat： 根据(4)式更新类簇中心矩阵 根据 (5)式更新 隶属度矩阵 Until： ||U(t+1) ‑U(t)||≤ ε,||V(t+1) ‑V(t)||≤ εor t ＝T。权　利　要　求　书 2/2 页 3 CN 114266321 A 3