一种基于自律学习SDL模型的聚类方法
公开
摘要
本发明涉及信息处理领域中的一种基于自律学习SDL模型的聚类方法，其特征在于：被聚类的特征向量之间依照概率空间距离的尺度，每一类的聚类结果依照概率空间的最大概率尺度在函数映射与函数高斯分布的效果上取得聚类的最佳解。本方法的特点是：SDL模型的聚类可以考虑函数映射模型与函数高斯分布模型的融合，可以仿真深度学习的函数映射模型，实现高精度识别图像的能力，同时，又可以实现函数高斯分布模型的高度的泛化能力。本方法没有黑箱问题，不需要大的硬件支持，不需要大数据的标注，仅仅通过小数据的训练就可，因此性能高，导入成本低，便于大量普及。
基本信息
专利标题 ：
一种基于自律学习SDL模型的聚类方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114548197A
申请号 ：
CN202011396635.X
公开（公告）日 ：
2022-05-27
申请日 ：
2020-11-26
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
顾泽苍
申请人 ：
顾泽苍
申请人地址 ：
天津市河北区博爱道1号君临大厦2817
代理机构 ：
代理人 ：
优先权 ：
CN202011396635.X
主分类号 ：
G06K9/62
IPC分类号 ：
G06K9/62 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06K
数据识别；数据表示；记录载体；记录载体的处理
G06K9/00
用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置
G06K9/62
应用电子设备进行识别的方法或装置
法律状态
2022-05-27 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
