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：河南大学
摘要：本发明提供一种基于多尺度注意力和损失惩罚机制的多视图聚类方法。该方法通过多尺度的注意力机制确保多视图之间的通道和空间一致性信息有效融合，并引入损失惩罚机制模块解决正负样本数量不平衡带来的负面影响。具体而言，首先利用自动编码器调整特征图的通道特征和空间位置的重要性，强化对重要特征通道和空间区域的关注。然后通过损失惩罚机制使模型聚焦于难分类样本，对于难分类的样本进行惩罚损失。最后，将得到的融合特征输入至数据聚类模块，对数据样本进行簇的划分。随着视图数量的增加，本发明方法可以明显减弱互斥视图之间的消极影响，能够随着视图数量的增加达到更优的效果。
主权项：1.基于多尺度注意力和损失惩罚机制的多视图聚类方法，其特征在于，包括：构建并训练多视图聚类模型；所述多视图聚类模型包括自动编码器网络、特征融合模块和聚类模块；所述特征融合模块包括Transformer网络和CBAM注意力机制模块；将待聚类的包含多个视图的样本输入至训练好的多视图聚类模型中，得到聚类结果；其中，所述多视图聚类模型的训练过程具体包括：利用自动编码器网络对第一多视图数据集中的每个视图样本进行重建，并计算重建损失以完成对所述自动编码器网络的预训练；其中，所述第一多视图数据集中包含至少两种视图数据类型，一种视图数据类型对应一个自动编码器网络；构建带有样本标签的多视图数据集作为第二多视图数据集，利用预训练好的自动编码器网络提取第二多视图数据集中每个样本所有视图的视图特征；使用Transformer网络对所有样本的所有视图的视图特征进行融合，得到初步融合特征；使用CBAM注意力机制模块对初步融合特征进行融合，得到最终融合特征；将最终融合特征输入至聚类模块中进行聚类，并根据聚类结果、每个样本所有视图的视图特征、每个视图的视图特征以及最终融合特征计算对比损失和重建损失以对预训练的自动编码器网络和特征融合模块进行微调，从而得到训练好的多视图聚类模型。
全文数据：
权利要求：
百度查询： 河南大学 基于多尺度注意力和损失惩罚机制的多视图聚类方法
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。
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