基于图结构学习的缺失多视图子空间聚类方法及系统
实质审查的生效
摘要
本发明提供了一种基于图结构学习的缺失多视图子空间聚类方法及系统,包括:获取训练缺失多视图的特征数据集;依据特征数据集,基于多视图谱聚类和低秩表示学习得到每个视图数据的潜在表示和伪标签矩阵,通过多视图子空间聚类学习得到统一的相似性矩阵,构造基于图结构学习的缺失多视图子空间聚类目标函数;求解基于图结构学习的缺失多视图子空间聚类目标函数,得到相似性矩阵;获待聚类缺失多视图的特征数据集,在所述相似性矩阵的基础上施加秩约束,得到块对角矩阵,得到聚类结果本发明将潜在表示学习、谱嵌入和图聚类整合到一个统一的学习框架中,联合低秩表示和多视图子空间聚类学习得到最优图结构的聚类结果。
基本信息
专利标题 :
基于图结构学习的缺失多视图子空间聚类方法及系统
专利标题(英):
暂无
公开(公告)号 :
CN114529745A
申请号 :
CN202210027703.8
公开(公告)日 :
2022-05-24
申请日 :
2022-01-11
授权号 :
暂无
授权日 :
暂无
发明人 :
梁成王道远商明超
申请人 :
山东师范大学
申请人地址 :
山东省济南市历下区文化东路88号
代理机构 :
济南圣达知识产权代理有限公司
代理人 :
杨琪
优先权 :
CN202210027703.8
主分类号 :
G06V10/762
IPC分类号 :
G06V10/762 G06V10/74 G06V10/774 G06K9/62
法律状态
2022-06-10 :
实质审查的生效
IPC(主分类) : G06V 10/762
申请日 : 20220111
申请日 : 20220111
2022-05-24 :
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