申请/专利权人:上海海事大学
申请日:2024-01-10
公开(公告)日:2024-04-12
公开(公告)号:CN117874554A
主分类号:G06F18/23
分类号:G06F18/23;G06F18/241;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明涉及一种基于不完全多视图的深度图聚类分类器设计系统及方法,该系统包括:图结构信息提取模块:用于将获取的不完全多视图数据集处理为样本对数据集,在共享权重网络中生成共享权重和共享网络参数,并采用距离度量方式进行计算,得到图结构信息;多视图嵌入特征提取模块:用于基于卷积神经网络编码器从数据集中提取初始嵌入特征,基于卷积神经网络解码器将初始嵌入特征进行重构得到重构视图,并基于不完全多视图与重构视图提取出最终嵌入特征;嵌入特征与图结构融合分类器实现模块:用于基于最终嵌入特征和图结构信息进行融合,以获得嵌入特征与图结构融合分类器。与现有技术相比,本发明分类器具有提升不完全多视图分类性能等优点。
主权项:1.一种基于不完全多视图的深度图聚类分类器设计系统,其特征在于,包括:图结构信息提取模块:用于将获取的不完全多视图数据集处理为样本对数据集,基于所述样本对数据集在共享权重网络中生成共享权重和共享网络参数,并采用距离度量方式进行计算,得到图结构信息;多视图嵌入特征提取模块:用于基于卷积神经网络编码器从获取的不完全多视图数据集中提取初始嵌入特征,基于卷积神经网络解码器将提取的初始嵌入特征进行重构得到重构视图,并基于不完全多视图与重构视图提取出最终嵌入特征;嵌入特征与图结构融合分类器实现模块:用于基于所述最终嵌入特征和图结构信息进行融合,以获得嵌入特征与图结构融合分类器。
全文数据:
权利要求:
百度查询: 上海海事大学 基于不完全多视图的深度图聚类分类器设计系统及方法
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。