[发明专利]一种基于共同学习子空间结构和聚类指示矩阵的多视图聚类方法有效
| 申请号： | 201910352469.4 | 申请日： | 2019-04-28 |
| 公开（公告）号： | CN110175631B | 公开（公告）日： | 2022-08-30 |
| 发明（设计）人： | 吴松松;卢志强;姚礼昕;莫晓晖;岳东 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06V10/762 | 分类号： | G06V10/762;G06K9/62;G06F17/16 |
| 代理公司： | 南京苏科专利代理有限责任公司 32102 | 代理人： | 范丹丹 |
| 地址： | 210003 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明揭示了一种基于共同学习子空间结构和聚类指示矩阵的多视图图像聚类方法，该方法包括如下步骤：S1：获取多视图图像数据；S2：对给定多视图图像数据进行子空间学习，得到多视图子空间表示、连续指示矩阵、离散指示矩阵；S3：对多视图子空间表示、连续指示矩阵、离散指示矩阵进行迭代更新，得到更新后的多视图子空间表示；S4：应用所述S3步骤得到的多视图子空间表示构造邻接矩阵；S5：应用所述S4步骤得到的邻接矩阵，调用谱聚类算法，得到聚类结果。与已有的多视图聚类方法相比，大量的实验结果证明该方法可以显著提高收敛速率和聚类性能。 | ||
| 搜索关键词： | 一种 基于 共同 学习 空间结构 指示 矩阵 视图 方法 | ||
【主权项】：
1.一种基于共同学习子空间结构和聚类指示矩阵的多视图聚类方法，其特征在于：该方法包括如下步骤：S1：获取多视图图像数据；S2：对给定多视图图像数据进行子空间学习，得到多视图子空间表示、连续指示矩阵、离散指示矩阵；S3：对多视图子空间表示、连续指示矩阵、离散指示矩阵进行迭代更新，得到更新后的多视图子空间表示；S4：应用所述S3步骤得到的多视图子空间表示构造邻接矩阵；S5：应用所述S4步骤得到的邻接矩阵，调用谱聚类算法，得到聚类结果。
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南京邮电大学，未经南京邮电大学许可，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/201910352469.4/，转载请声明来源钻瓜专利网。
