一种基于鲁棒低秩矩阵分解的医疗图像聚类方法

本发明公开了一种基于鲁棒低秩矩阵分解的医疗图像聚类方法，包括以下步骤：S1：锚图构建；S2：提取特征域上的脉冲噪声：将带有噪声的原始数据矩阵分解为有聚类判别信息的矩阵乘积W*H和噪声矩阵E，其中W为基矩阵，H为有判别信息的低维表示矩阵；S3：锚点矩阵的矩阵分解：对锚点矩阵U进行矩阵分解，分解过程中同样引入最大相关熵度量替代二次距离度量；S4：得到损失函数模型通过对损失函数模型进行优化，最终得到带有判别信息的矩阵H，对矩阵H进行k‑means就能得到医疗图像的聚类结果。本发明在面对特征域上的脉冲噪声和样本域上的离群值时，能保持模型的鲁棒性，可以同时处理多种噪声。