[发明专利]一种基于异质特征联合自表示的特征子空间与亲和矩阵联合学习方法有效
| 申请号： | 202010077309.6 | 申请日： | 2020-01-27 |
| 公开（公告）号： | CN111310807B | 公开（公告）日： | 2022-08-19 |
| 发明（设计）人： | 李骜;安若琦;陈德运;孙广路;林克正 | 申请（专利权）人： | 哈尔滨理工大学 |
| 主分类号： | G06V10/762 | 分类号： | G06V10/762;G06V10/77;G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 150080 黑龙*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于异质特征联合自表示的特征子空间与亲和矩阵联合学习方法，将原始数据及其异质特征整合到一个公共集合中，形成多模态样本集合；然后，在集合上对每一个模态下的样本数据都学习一对垂直和水平投影矩阵，并且可以捕获所有模态下的异质特征之间的互补信息；此外，为了揭示隐藏在多模态视觉数据中的内在子空间结构，设计了一个基于阈值岭回归的自表示模型，进而将学习到的表示矩阵用于构建有效的亲和矩阵；同时，通过联合学习特征子空间和表示矩阵，二者性能可以互相促进；为了确保模型在实际应用中的性能，设计了基于图的表示矩阵约束项来捕获数据的非线性结构信息，这有助于保持复杂样本的邻居关系。 | ||
| 搜索关键词： | 一种 基于 特征 联合 表示 空间 亲和 矩阵 学习方法 | ||
【主权项】：
暂无信息
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哈尔滨理工大学，未经哈尔滨理工大学许可，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/202010077309.6/，转载请声明来源钻瓜专利网。
