(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210683090.3 (22)申请日 2022.06.17 (65)同一申请的已公布的文献号 申请公布号 CN 114780781 A (43)申请公布日 2022.07.22 (73)专利权人 中船重工 （武汉） 凌久高科有限公 司 地址 430000 湖北省武汉市洪山区关山 街 珞瑜路718号 (72)发明人 刘鑫　杨志祥　丁雪峰　程佳斌　 余将其　皮辉　杨小涛　熊筠轲　 谈俊　郭朝霞　许雷　范俊甫　 蔡烨彬　谢倩　(74)专利代理 机构 武汉泰山北斗专利代理事务 所(特殊普通 合伙) 42250 专利代理师 董佳佳 (51)Int.Cl. G06F 16/583(2019.01) G06F 16/55(2019.01) G06V 10/74(2022.01) G06V 10/762(2022.01) G06K 9/62(2022.01) 审查员 郭坚 (54)发明名称 一种基于模糊聚类和非对称距离计算的乘 积量化方法 (57)摘要 本发明适用于计算机视觉和大数据领域， 提 供一种基于模糊聚类和非对称距离计算的乘积 量化方法， 本发 明方法首先对于原始向量集进行 初聚类， 计算其残差向量集， 通过对残差子向量 模糊聚类， 得到隶属度矩阵； 然后根据隶属度进 行子向量分类； 对于查询向量按照相应方式进行 加权距离计算， 统计每个子段距离排名序号的 和。 本发明在乘积量化索引子空间向量聚类中应 用了模糊聚类方法， 避免了硬划分因样本类别分 布不均匀造成的误差， 使向量的聚类更客观； 在 相似度度量中采用了加权非对称距离计算和距 离排名统计方法， 避免了因向量某 一段距离计算 过大而产生的检索误差。 本发明方法对比原始乘 积向量方法在复杂背景图片的检索中精度更高。 权利要求书2页 说明书8页 附图5页 CN 114780781 B 2022.09.23 CN 114780781 B 1.一种基于模糊聚类和非对称距离计算的乘积量化方法， 其特征在于， 所述方法包括 下述步骤： 步骤S1、 对原始向量集进行初聚类， 每个簇类分别计算其残差向量集， 将残差向量集中 残差向量切分多段， 对每段残差 子向量进行模糊聚类， 输出 隶属度矩阵； 步骤S2、 根据所述隶属度矩阵， 取每个残差子向量关于每个簇类的最大若干个隶属度 进行子向量分类； 步骤S3、 针对查询向量， 将其划分到所属的初聚类簇类 中并计算残差向量， 然后将残差 向量划分为若干 子段， 通过加权计算每子段到向量子空间所有聚类中心的加权距离； 步骤S4、 计算查询向量所在的簇类中所有子段的加权距离， 统计每个子段距离排名序 号的和， 其中最大的Q个值对应的样本即查询向量的Q近邻样本； 所述步骤S1具体过程如下： 将图片库中的m张图片均转换成n维向量形成原始向量集， 将原始向量集中的m个样本 向量进行初聚类， 划分为g个簇类， 簇中心向量 为 ； 对于划分的g个簇类中的每 个样本向量， 计算 其残差向量， 形成残差向量 集； 将n维的残差向量平均切分为s段， 每段残差 子向量的维度为 ； 针对每段残差子向量进行模糊聚类， 聚类分为k类， 得到k个聚类 中心， 每段残差子向量 属 于 某 一 类 的 隶 属 度 为 ，设 定 一 个 模 糊 聚 类 的 目 标 函 数 ，其 中 ， 约束条件为 ， m是隶属度因子， 表示残差 子向量 到聚类中心 的欧氏距离； 当前残差子向量的隶属度矩阵是一个h*k的矩阵， 其中h为簇类中残差向量数量， 聚类 开始时， 随机生 成一个满足约束 条件的隶属度， 通过隶属度 矩阵迭代以及聚类中心迭代， 当 目标函数 的取值趋于稳定时， 停止迭代， 得到最终的隶属度矩阵， 其中矩阵的每一行代表 一个样本， 共有h个样本， 矩阵的每一列每个值代表属于每个聚类的隶属度， 共有k列； 具体 的， 隶属度 的迭代公式为 ， 聚类中心 的迭代公式为 ， 停止迭代的条件为 ， 其中 取一个极 小的常数作为 误差的阈值， t为迭代的轮数。 2.如权利要求1所述基于模糊聚类和非对称距离计算的乘积量化方法， 其特征在于， 所 述步骤S2具体过程如下： 根据残差子向量的隶属度矩阵， 把每个残差子向量关于每个簇类的隶属度按从小到大 排序， 取最大的若干个隶属度进行子向量分类；权　利　要　求　书 1/2 页 2 CN 114780781 B 2将每个簇类中的每 个残差向量用数字id表示进行 数字量化编码。 3.如权利要求2所述基于模糊聚类和非对称距离计算的乘积量化方法， 其特征在于， 所 述步骤S3具体过程如下： 对于需要查询的图片， 将其转化为n维向量形成查询向量， 依次计算查询向量到g个簇 类的聚类中心的欧氏距离， 找到距其距离最短的聚类中心； 在查询向量所属的初聚类簇类中计算残差向量， 把残差向量划分为若干子段， 每一子 段计算其到k个聚类中心的欧式距离， 生成距离表。 4.如权利要求3所述基于模糊聚类和非对称距离计算的乘积量化方法， 其特征在于， 所 述步骤S4具体过程如下： 计算查询向量所在的簇类中h个残差向量的每个子段到查询向量对应子段的距离， 形 成h个距离的距离集 合； 把距离集合中的距离按从小到大排序， 得到1到h的共h个排名序号， 以排名序号给距离 对应的子段打标签， 每个残差向量的每个子段都有一个标签， 得到h个排名序号编码的编码 集合； 编码集合中， 计算每个数字编码的数字之和， 值按从小到大排序， 形成新集合， 新集合 中排序前Q个值对应的样本， 即为 查询向量的Q近邻样本 。权　利　要　求　书 2/2 页 3 CN 114780781 B 3