【技术实现步骤摘要】
本专利技术涉及模式识别，具体涉及一种基于模块化网络建模视角间关系的多视角聚类方法。
技术介绍
1、现实世界的数据往往呈现出多视角的特性，例如对事件的描述可以通过文本以及图像进行刻画，图像数据往往可以通过不同的视觉描述算子如sift、gist进行表示，文本可以通过各种词袋特征如bow、tf-idf进行表示。对多视角数据分析往往可以利用多视角数据表现出来的互补与一致特性提升性能，因此多视角数据分析受到研究者的广泛关注。多视角聚类，作为一种典型的无监督学习任务，通过将不同数据聚集到不同类别中，在现实世界巨大的无标注数据处理中具有重要的作用。为进行有效的多视角聚类，一般需要对多视角数据之间的互补与一致特性进行建模，但是现有的方法往往基于特定假设进行多视角统一表达的学习，难以应对各种数据表现特性的多视角聚类任务，不能有效地实现多视角数据间关系灵活的建模，需要提出更有效且灵活的多视角关系建模算法。
技术实现思路
1、专利技术目的：为了克服现有技术中存在的不足，本专利技术提供一种基于模块化网络建模视角间...
【技术保护点】
1.一种基于模块化网络建模视角间关系的多视角聚类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于模块化网络建模视角间关系的多视角聚类方法，其特征在于，所述样本的类型包括图像数据、文本数据和图像文本数据；
3.根据权利要求1所述一种基于模块化网络建模视角间关系的多视角聚类方法，其特征在于，所述步骤S2中的模块化的编码器-解码器神经网络包括多视角编码器模块与多视角解码器模块，其中，多视角编码器模块由视角独立编码模块与模块化编码模块组成，多视角解码器模块与编码器模块对称设计，由视角独立解码模块与模块化解码模块组成。
4.根...
【技术特征摘要】
1.一种基于模块化网络建模视角间关系的多视角聚类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于模块化网络建模视角间关系的多视角聚类方法，其特征在于，所述样本的类型包括图像数据、文本数据和图像文本数据；
3.根据权利要求1所述一种基于模块化网络建模视角间关系的多视角聚类方法，其特征在于，所述步骤s2中的模块化的编码器-解码器神经网络包括多视角编码器模块与多视角解码器模块，其中，多视角编码器模块由视角独立编码模块与模块化编码模块组成，多视角解码器模块与编码器模块对称设计，由视角独立解码模块与模块化解码模块组成。
4.根据权利要求1所述一种基于模块化网络建模视角间关系的多视角聚类方法，其特征在于，所述步骤s2具体包括以下步骤：
...
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。