龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
摘要：本发明提供了一种基于变分自动编码器的不完整多视角聚类系统、方法及存储介质，该不完整多视角聚类系统包括深度多视角概率编码网络模块、多视角特征融合模块、特征一致性保持模块、聚类分配模块和深度多视角概率解码网络模块。本发明的有益效果是：1本发明首次将概率编码器应用于不完整多视角聚类任务，能够灵活、高效的处理具有任意缺失视角数据的聚类任务而无需额外的数据补全步骤，提出的模型复杂度与视角数量呈线性关系，可以适用于具有多个视角的场景；2本发明采用了基于分布的聚类预测方法，在提出的模型中可以直接获得聚类预测结果，而无需对提取的特征执行额外的聚类算法来获得最终结果。
主权项：1.一种基于变分自动编码器的不完整多视角聚类系统，其特征在于，包括深度多视角概率编码网络模块、多视角特征融合模块、特征一致性保持模块、聚类分配模块和深度多视角概率解码网络模块，其中，所述深度多视角概率编码网络模块：将原始的高维数据编码映射到低维的特征空间并获得数据的特征分布，实现从信息冗余的原始多视角数据提取到浓缩的信息；所述多视角特征融合模块：将不同视角下的数据特征视为视角专家，采用专家乘积方式，实现在任意视角数据缺失的情况下，有效地融合未缺失视角数据的数据特征，得到不同视角专家一致认可的、包含多个视角间共享信息的融合特征；所述特征一致性保持模块：减小融合特征和各个视角特征之间的分布差异，减轻部分视角数据缺失情况下融合特征中可能存在的信息不平衡问题；所述聚类分配模块：通过融合特征推断聚类分配，在模型训练时生成类别伪标签引导模型学习具有较好聚类结构的特征，并在模型训练完成后，直接通过该聚类分配模块获得聚类结果；所述深度多视角概率解码网络模块：解码网络根据融合特征解码生成多视角重构数据，并通过最小化原始数据与重构数据之间的重构损失，使得融合特征保留更多的信息；该不完整多视角聚类系统处理的数据包括图像数据、音频数据、文本数据。
全文数据：
权利要求：
百度查询： 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 一种基于变分自动编码器的不完整多视角聚类系统、方法及存储介质
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号