申请/专利权人：北京科技大学

申请日：2023-08-03

公开（公告）日：2024-03-22

公开（公告）号：CN117036762B

主分类号：G06V10/762

分类号：G06V10/762;G06V10/44;G06V10/74;G06V10/80

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2023.11.28#实质审查的生效;2023.11.10#公开

摘要：本发明公开了一种多模态数据聚类方法，属于数据处理技术领域，包括获取样本数据集；提取图像数据的边缘特征；提取转录组数据的差异性特征，差异性特征包括mRNA特征和miRNA特征；计算各个样本数据的相关系数矩阵；采用软阈值，对相关系数矩阵进行非线性映射；计算各个样本与其余样本的连通度；计算离散化的连通度以及相应的概率，得到样本间距离矩阵；通过K‑means++聚类算法对样本数据进行预聚类；将样本间距离矩阵转化为样本间相似度矩阵；根据预聚类信息，构建核矩阵；根据核矩阵，对样本间相似度矩阵进行迭代；综合在mRNA数据视图、microRNA数据视图以及Image数据视图下的样本间相似度矩阵，得到样本间相似度融合矩阵；通过谱聚类算法，对样本进行聚类。

主权项：1.一种多模态数据聚类方法，其特征在于，包括：S101：获取样本数据集，所述样本数据集包括多个样本数据，每个所述样本数据包括图像数据与转录组数据；S102：通过双边滤波器，对所述图像数据进行滤波处理；S103：引入Sobel算子，计算滤波处理后的图像数据中像素点的梯度信息，所述梯度信息包括梯度强度和梯度方向；S104：当滤波处理后的图像数据中存在多个梯度信息时，保留极大值像素点，抑制非极大值像素点；S105：对非极大值抑制后的样本数据进行去噪处理，得到所述图像数据的边缘特征；S106：提取所述转录组数据的差异性特征，所述差异性特征包括mRNA特征和miRNA特征；S107：根据所述样本数据的边缘特征、mRNA特征和miRNA特征，计算各个样本数据的相关系数矩阵；S108：采用软阈值，对所述相关系数矩阵中的相关系数进行非线性映射；S109：计算各个样本与其余样本的连通度；S110：通过Histogram算法，将所述连通度离散化，计算离散化的连通度以及相应的概率，得到样本间距离矩阵；S111：通过K-means++聚类算法对样本数据在mRNA数据视图、microRNA数据视图以及Image数据视图下进行预聚类，得到预聚类信息；S112：在mRNA数据视图、microRNA数据视图以及Image数据视图下将所述样本间距离矩阵转化为样本间相似度矩阵；S113：根据所述预聚类信息，构建mRNA数据视图、microRNA数据视图以及Image数据视图下的核矩阵；S114：根据所述核矩阵，对在mRNA数据视图、microRNA数据视图以及Image数据视图下的样本间相似度矩阵进行迭代；S115：综合在mRNA数据视图、microRNA数据视图以及Image数据视图下的样本间相似度矩阵，得到样本间相似度融合矩阵；S116：通过谱聚类算法，根据所述样本间相似度融合矩阵，对样本进行聚类；其中，所述S109具体为：通过以下公式，计算当前样本与其余样本的连通度： 其中，ki表示第i个样本与其余样本的连通度，aij表示第i个样本与第j个样本之间的相关系数，β表示软阈值，m表示样本数。

全文数据：

权利要求：

百度查询： 北京科技大学 一种多模态数据聚类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD