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：山东师范大学
摘要：本发明提供了一种基于图结构学习的缺失多视图子空间聚类方法及系统，包括：获取训练缺失多视图的特征数据集；依据特征数据集，基于低秩表示学习和多视图谱聚类得到每个视图数据的潜在表示和伪标签矩阵，通过多视图子空间聚类学习得到统一的相似性矩阵，构造基于图结构学习的缺失多视图子空间聚类目标函数；求解基于图结构学习的缺失多视图子空间聚类目标函数，得到相似性矩阵；获待聚类缺失多视图的特征数据集，在所述相似性矩阵的基础上施加秩约束，得到块对角矩阵，得到聚类结果本发明将潜在表示学习、谱嵌入和图聚类整合到一个统一的学习框架中，联合低秩表示和多视图子空间聚类学习得到最优图结构的聚类结果。
主权项：1.基于图结构学习的图像聚类方法，其特征在于，包括：获取训练图像数据集，包括多个图像；对每个图像提取多个图像特征，构成多视图特征数据集；依据特征数据集，基于低秩表示学习和多视图谱聚类得到每个视图数据的潜在表示和伪标签矩阵，通过多视图子空间聚类学习得到统一的相似性矩阵，构造基于图结构学习的缺失多视图子空间聚类目标函数；求解基于图结构学习的缺失多视图子空间聚类目标函数，得到相似性矩阵；获取待聚类图像的缺失多视图的特征数据集，在所述相似性矩阵的基础上施加秩约束，得到块对角矩阵，得到聚类结果；所述潜在表示和伪标签矩阵的目标函数为： 其中，λ表示第v个视图的误差矩阵的平衡参数，β表示平衡参数，表示第v个视图的伪标签矩阵，n表示数据样本数，c表示聚类数，v表示视图序号，v＝1，…，V，V表示视图总数，是第v个视图的拉普拉斯矩阵，Gv表示未缺失样本的伪标签矩阵，表示每个视图的潜在表示，表示构造的潜在表示的误差矩阵，表示第v个视图的不缺失样本，m表示特征维数，FvTFv＝Ic表示Fv为正交矩阵，表示对角线元素为0；所述相似性矩阵的目标函数为： s.t.FvTFv＝Ic,W≥0,W1＝1,rankLW＝n-c其中，W表示统一的图结构，表示第v个视图的伪标签矩阵，γ表示权重参数，rankLW＝n-c表示对相似性矩阵W的秩约束；所述基于图结构学习的缺失多视图子空间聚类的目标函数为： W≥0，W1＝1，rankLW＝n-c。
全文数据：
权利要求：
百度查询： 山东师范大学 基于图结构学习的缺失多视图子空间聚类方法及系统
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