[发明专利]一种基于非负矩阵分解的多视图相关特征学习方法

摘要

一种基于非负矩阵分解的多视图相关特征学习模型，属于计算机技术领域。首先，对多视图数据集进行归一化和特殊值预处理。其次，通过双图正则化和视图特定特征的组合，在数据流形和特征流形中模拟对象分布，并为每一个视图添加权重因子，用l1,2‑norm来约束公共子空间的稀疏性。再次，根据模型优化结果，依次更新各个视图的视图特定映射矩阵和视图特定特征矩阵，更新视图共享映射矩阵与视图共享特征矩阵，更新视图权重因子。最后，判断本次模型收敛值和上一次模型收敛值之间的差异，迭代更新各公式直至满足模型收敛条件。本发明依照上述特征所构建的模型推导出了一种行之有效的算法来处理上述问题，通过大量实验验证，本发明所得到的数据表示性能优于现阶段相关模型。