【技术实现步骤摘要】
本专利技术涉及模式识别
,尤其是一种基于非负字典对学习的鲁棒多视角聚类方法。
技术介绍
在现实中,很多数据都有多个模态,例如,文章可以被翻译成多种语言、新闻可以从多个视角报道、图片可以由多种描述子描述。一般而言,多视角数据可以提供互补和兼容的信息。多视角聚类是一种无监督的多视角学习方法,已经引起了人们的关注。过去的工作主要分为两类:基于回归的方法和基于子空间的方法。虽然这些方法都取得了显著的提高,但是它们是有局限性的。因为这些方法都假设所给的特征是无噪声的,这些数据可以揭示潜在的聚类结构。但不幸的是,现实生活中的特征常常是冗余的且含有噪声,这极大地降低了上述方法的性能。因此亟需一种高效鲁棒的多视角聚类方法。
技术实现思路
鉴于以往方法不能有效的满足鲁棒多视角聚类的需要,本专利技术提出了一种基于非负字典对学习的鲁棒多视角聚类方法。该方法用特征投影学习聚类标签,使用语义投影探索潜在语义信息,同时加入一致性约束和局部几何保持约束以生成一个多视角共享的公共聚类标签,从而实现多视角聚类。本专利技术是这样实现的,一种基于非负字典对学习的鲁棒多视角聚类方法,包括以下步骤:S1,提取多模态数据库中的多模态特征;S2,基于所述多模态数据库中的特征向量,通过字典学习得到语义投影矩阵和参数表示矩阵;S3,向所述多模态数据库嵌入非负特征投影以处理噪声特征;S4,根据所述参数表示矩阵,创建一致性约束,用于描述多视角下各个样本聚类标签与多视角所共享的公共标签之间的一致性;S5,根据所述多模态数据库中各个模态的特征,创建局部几何保持约束,用于描述每个视角下样本间结构的相似性;S6, ...
【技术保护点】
一种基于非负字典对学习的鲁棒多视角聚类方法,包括步骤:S1,提取多模态数据库中的多模态特征;S2,基于所述多模态数据库中的特征向量,通过字典学习得到语义投影矩阵和参数表示矩阵;S3,向所述多模态数据库嵌入非负特征投影以处理噪声特征;S4,根据所述参数表示矩阵,创建一致性约束,用于描述多视角下各个样本聚类标签与多视角所共享的公共标签之间的一致性;S5,根据所述多模态数据库中各个模态的特征,创建局部几何保持约束,用于描述每个视角下样本间结构的相似性;S6,根据所述语义投影矩阵、非负特征投影、一致性约束和局部几何保持约束,得到统一的目标函数;S7,采用近端交替线性最小化算法求解优化所述目标函数,得到公共语义标签,根据所述公共语义标签,得到公共的聚类结果,完成多视角聚类。
【技术特征摘要】
1.一种基于非负字典对学习的鲁棒多视角聚类方法,包括步骤:S1,提取多模态数据库中的多模态特征;S2,基于所述多模态数据库中的特征向量,通过字典学习得到语义投影矩阵和参数表示矩阵;S3,向所述多模态数据库嵌入非负特征投影以处理噪声特征;S4,根据所述参数表示矩阵,创建一致性约束,用于描述多视角下各个样本聚类标签与多视角所共享的公共标签之间的一致性;S5,根据所述多模态数据库中各个模态的特征,创建局部几何保持约束,用于描述每个视角下样本间结构的相似性;S6,根据所述语义投影矩阵、非负特征投影、一致性约束和局部几何保持约束,...
【专利技术属性】
技术研发人员:谭铁牛,曹冬,赫然,孙哲南,李志航,
申请(专利权)人:天津中科智能识别产业技术研究院有限公司,
类型:发明
国别省市:天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。