【技术实现步骤摘要】
本申请涉及多媒体，尤其涉及一种类别增量持续多视角聚类方法及装置。
技术介绍
1、随着互联网和多媒体的快速发展，多视角数据呈爆炸式增长。多视角聚类作为多视角学习的基本任务，旨在挖掘不同视角之间的信息互补特性，以提升数据聚类性能。
2、目前的多视角聚类方法主要关注于静态多视角数据的聚类，其聚类任务中类别的数量保持不变，并在一个固定的数据集上进行聚类。然而，在更具有实际意义的现实场景中，带有新类别的新多视角数据源源不断出现，称为类别增量持续场景。在这种情况下，现有的多视角聚类模型必须从头开始学习所有数据的集群，这导致了冗余的计算成本，并减缓了对新数据的聚类响应。因此，如何在类别增量持续场景下进行多视角聚类，是一个巨大的挑战。
技术实现思路
1、本申请实施例提供一种类别增量持续多视角聚类方法及装置，用以解决现有技术中无法实现在类别增量持续场景下进行多视角聚类的问题。
2、第一方面，本申请实施例提供一种类别增量持续多视角聚类方法，包括：
3、获取多视角样本数据的编
【技术保护点】
1.一种类别增量持续多视角聚类方法，其特征在于，包括：
2.根据权利要求1所述的类别增量持续多视角聚类方法，其特征在于，所述基于所述编码特征和所述高斯混合模型，训练得到模型参数和第一预测聚类标签，包括：
3.根据权利要求2所述的类别增量持续多视角聚类方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的类别增量持续多视角聚类方法，其特征在于，所述基于所述第一预测聚类标签，确定所有视角的跨视角样本锚点对比损失函数的第一累加函数，包括：
5.根据权利要求3所述的类别增量持续多视角聚类方法，其特征在于，所述基于所述第一预...
【技术特征摘要】
1.一种类别增量持续多视角聚类方法，其特征在于，包括：
2.根据权利要求1所述的类别增量持续多视角聚类方法，其特征在于，所述基于所述编码特征和所述高斯混合模型，训练得到模型参数和第一预测聚类标签，包括：
3.根据权利要求2所述的类别增量持续多视角聚类方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的类别增量持续多视角聚类方法，其特征在于，所述基于所述第一预测聚类标签，确定所有视角的跨视角样本锚点对比损失函数的第一累加函数，包括：
5.根据权利要求3所述的类别增量持续多视角聚类方法，其特征在于，所述基于所述第一预测聚类标签，确定所有视角的跨视角簇锚点对比损失函数的第二累加函数，包括：<...
【专利技术属性】
技术研发人员：钱胜胜，徐常胜，张胜杰，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：
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。