申请/专利权人：哈尔滨理工大学

申请日：2023-12-26

公开（公告）日：2024-03-26

公开（公告）号：CN117765292A

主分类号：G06V10/762

分类号：G06V10/762;G06V10/774;G06V10/42;G06V10/80;G06V20/13

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.12#实质审查的生效;2024.03.26#公开

摘要：一种基于图卷积流形正则化伪标签引导的非完备多视角遥感数据聚类方法，属于遥感信息技术中的遥感图像数据聚类处理领域，本发明首先将非完备多视角遥感图像数据划分为完备样本集合和存在样本集合，并获取完备样本的伪标签。然后将存在样本的不同视角特征、相应的图以及流形信息输入多视角图卷积特征融合分类网络以获得伪标签。训练完成后，从学习到的统一表征中获得聚类。与其他方法相比，本发明的精确度更高，性能更加稳健。

主权项：1.一种基于图卷积流形正则化伪标签引导的非完备多视角遥感数据聚类方法，其特征在于，所述方法包括步骤：从一个非完备多视角遥感图像数据集中提取完备样本集合和存在样本集合。对完备样本的特征向量进行拼接，对拼接后的特征向量进行k均值聚类得到完备样本的伪标签。构建一个由多个视角专属图卷积编码层、一个特征融合层、一个线性分类层组成的多视角图卷积特征融合分类网络，并随机初始化网络权重。根据存在样本每一视角的特征向量分别构建k近邻图矩阵和高维流形分布矩阵。将存在样本的不同视角特征和相应的k近邻图矩阵输入分类网络，以预测完备样本的伪标签，相应的损失函数为带掩码的交叉熵分类损失函数，同时对网络所学表示施加流形正则化约束，得到基于伪标签引导的流形正则化总体损失函数。使用随机梯度下降算法最小化所述基于伪标签引导的流形正则化总体损失函数，将所述分类网络训练至收敛，然后对收敛后网络所学表示进行k均值聚类，获得最终聚类结果。根据所得聚类结果，计算所述非完备多视角遥感图像数据集上的聚类准确率。

全文数据：

权利要求：

百度查询： 哈尔滨理工大学 一种基于图卷积流形正则化伪标签引导的非完备多视角遥感数据聚类方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD