申请/专利权人：哈尔滨理工大学

申请日：2024-01-04

公开（公告）日：2024-04-05

公开（公告）号：CN117830681A

主分类号：G06V10/762

分类号：G06V10/762;G06V10/82;G06V10/74;G06V10/80;G06N3/042;G06N3/0464;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：一种基于图卷积流形正则化深度谱聚类网络的非完备多视角动物图像聚类方法，属于图像信息处理中的动物图像聚类处理领域，本发明首先从非完备多视角大批量动物图像数据集中提取出存在样本特征，并对特征向量进行归一化处理。然后，构建非完备多视角深度谱聚类网络DSCN‑IMC，该网络首先利用多视图编码器提取非完备多视角图像的公共特征，通过线性层获得非正则化的谱嵌入，并构建正交归一化层从而得到正则化约束的视角公共谱嵌入。最后，利用小批量随机梯度下降算法对流形正则化的谱聚类总体损失函数进行优化，直至收敛。并对网络所学的谱嵌入进行k均值聚类，获得最终聚类结果。与其他方法相比，本发明具有计算速度更快、可重复使用的网络模型，并且对数据缺失率的影响相对较小，具备更好的聚类性能。

主权项：1.一种基于图卷积流形正则化深度谱聚类网络的非完备多视角动物图像聚类方法，其特征在于，所述方法包括步骤：从一个非完备多视角大规模动物图像数据集中提取存在样本特征，并将特征向量的每个分量归一化成均值为0，标准差为1的标准格式。构建一个由多视角图卷积编码层、特征融合层、谱嵌入输出层组成的多视角深度谱聚类网络，并随机初始化网络权重。对每一视角，分别从存在特征中构建k近邻相似度矩阵和高维流形分布矩阵。将所有视角的存在样本特征和相应的k近邻相似度矩阵输入所述多视角深度谱聚类网络，对网络输出的视角公共谱嵌入计算谱聚类损失函数。同时，对网络所学表示施加流形正则化约束，得到流形正则化的多视角谱聚类总体损失函数。使用小批量随机梯度下降算法优化所述流形正则化的谱聚类总体损失函数至收敛，然后对网络所学的谱嵌入进行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大规模动物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深度谱聚类网络的非完备多视角动物图像聚类方法

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