[发明专利]一种基于深度神经网络和成对约束的聚类方法有效
| 申请号： | 201810765487.0 | 申请日： | 2018-07-12 |
| 公开（公告）号： | CN109086805B | 公开（公告）日： | 2020-07-28 |
| 发明（设计）人： | 黄嘉桥;王家兵 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 李斌 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度神经网络和成对约束的聚类方法，给定一个包含数据间成对约束的数据集；得到数据集样本间的差向量；构建一个自编码网络和一个深度神经网络；将数据集样本作为自编码网络的输入，输入的数据集样本作为自编码网络的输出训练网络，将自编码网络瓶颈处的输出作为深度神经网络的输入，成对约束作为正确标记训练网络；将训练过的自编码网络和深度神经网络结合到聚类算法上；使用聚类算法进行聚类任务。本发明结合了原始数据集中数据间的成对约束，通过自编码网络对输入数据进行降维操作和深度神经网络学习特征，并且提出了该网络模型的损失函数及其基于梯度下降的优化算法，有效提高了聚类算法的聚类精度。 | ||
| 搜索关键词： | 一种 基于 深度 神经网络 成对 约束 方法 | ||
【主权项】：
1.一种基于深度神经网络和成对约束的聚类方法，其特征在于，包括以下步骤：S1、给定一个包含数据间成对约束的数据集；S2、对数据集进行预处理，得到数据集样本间的差向量；S3、构建一个自编码网络和一个深度神经网络；S4、将上述数据集样本的差向量作为自编码网络的输入，同时使用输入的数据集样本的差向量作为自编码网络的输出，将自编码网络的中间输出作为深度神经网络的输入，成对约束作为正确标记，训练自编码网络和深度神经网络；S5、将训练过的自编码网络和深度神经网络结合到聚类算法上；使用聚类算法进行聚类任务。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华南理工大学，未经华南理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810765487.0/，转载请声明来源钻瓜专利网。
