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:湖州师范学院
摘要:本发明公开了一种基于全局表示和驱动融合的不完备多视图聚类方法。该方法首先通过特定视图编码器获得视图的特定表示,并定义一个共享编码网络来学习所有视图的全局表示。在此基础上,利用自定义的预测网络,通过特定表示和全局表示的共同预测,恢复缺失的不完备视图信息。接着,本方法提出了一种具有调节因子的驱动融合方案。该方案为每个恢复后的视图表示定义一个权重向量,通过调节因子自我学习,获得最佳权重分配,从而实现融合。最后,在融合后的统一视图表示上进行聚类,得到最终的聚类结果。本发明通过利用全局表示充分挖掘视图间的一致性和互补性,并将表示学习和数据恢复统一在一个框架内,从信息理论角度进行整合。利用预测网络进行数据恢复后,提出带有调节因子的融合网络,充分考虑了不同视图之间的数据恢复差异,从而显著提高了模型的性能。
主权项:1.一种基于全局表示和驱动融合的不完备多视图聚类方法,包括视图的表示学习,特定视图重构,对比学习,协同学习和基于调节因子的驱动融合,其特点在于:包括以下步骤:1视图的表示学习:通过特定视图编码器和共享编码器,学习视图的特定表示和全局表示;2特定视图重构:基于自注意力机制,对学习到的特定表示进行视图内重建,降低缺失数据的影响,并计算相应的重建损失LRE;3对比学习:通过最大化全局表示和特定表示之间的互信息,学习视图间的一致性信息,并计算相应的对比损失LMI;4协同学习:通过最小化全局表示和特定表示之间的条件熵,学习视图的互补性,并利用自定义的预测网络,用已有的视图表示预测恢复缺失的数据,并计算相应的预测损失LCE;5基于调节因子的驱动融合:对恢复后的视图数据进行数据融合,获得统一的视图表示,随后对其进行聚类学习。
全文数据:
权利要求:
百度查询: 湖州师范学院 一种基于全局表示和驱动融合的不完备多视图聚类方法
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。