基于可微k-均值的嵌入式可解释图像聚类方法

实质审查的生效

摘要

本发明公开了基于可微k‑均值的嵌入式可解释图像聚类方法，涉及数据识别与处理技术领域，解决现有两阶段聚类方法存在无法实现大规模的在线聚类及现有方法可解释性差的问题，包括如下步骤：步骤1、获取原始样本数据X，计算样本特征h_i＝f(X_i)，X_i表示第i个样本；步骤2、将样本特征h_i＝f(X_i)输入单层聚类神经网络，采用第二损失函数对单层神经网络进行训练；步骤3、待测样本输入单层聚类神经网络，得到样本聚类结果。本发明赋予了传统k‑均值算法处理大规模在线数据的能力，具备可解释性机器学习中更加直接同时也更具挑战性的模型透明性，且提出的单层聚类神经网络面向无监督聚类和表示学习，是在无监督可解释性研究领域的一次前瞻性的尝试。

基本信息

专利标题：

基于可微k-均值的嵌入式可解释图像聚类方法

专利标题（英）：

暂无

公开（公告）号：

CN114266911A

申请号：

CN202111516439.6

公开（公告）日：

2022-04-01

申请日：

2021-12-10

授权号：

暂无

授权日：

暂无

发明人：

彭玺李云帆吕建成

申请人：

四川大学

申请人地址：

四川省成都市武侯区一环路南一段24号

代理机构：

成都弘毅天承知识产权代理有限公司

代理人：

聂红霞

优先权：

CN202111516439.6

主分类号：

G06V10/762

IPC分类号：

G06V10/762 G06V10/82 G06K9/62 G06N3/04 G06N3/08

法律状态

2022-04-19 ：

实质审查的生效

IPC(主分类) : G06V 10/762
申请日 : 20211210

2022-04-01 ：

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