CN119479047A 一种基于宽度学习的半监督多视图聚类集成方法及系统 （华侨大学）_第1页
CN119479047A 一种基于宽度学习的半监督多视图聚类集成方法及系统 （华侨大学）_第2页
CN119479047A 一种基于宽度学习的半监督多视图聚类集成方法及系统 （华侨大学）_第3页
CN119479047A 一种基于宽度学习的半监督多视图聚类集成方法及系统 （华侨大学）_第4页
CN119479047A 一种基于宽度学习的半监督多视图聚类集成方法及系统 （华侨大学）_第5页
已阅读5页，还剩18页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于宽度学习的半监督多视图聚类集脸图像数据进行特征处理的基于宽度学习的自基于宽度学习的自编码器和双向约束传播构建2构建一种依据多视图人脸图像数据进行特征处理的基;其中，T,T2…,TP表示第v个视图的子空间生成的一系列基本分区，所述基本分区的集合用P,表示。;;n表示必连约束，C表示勿连约束；V表示视图的数量；N,(x,x,)为近邻参数，如果;3l表示A,的维度。;;为了吸收监督信息，采用双向约束传播在水平;4;聚类基础模型利用基于宽度学习的自编码器来学习每个聚类基础模型采用双向约束传播，基于一系列分区构造无编码器构建模块，构建一种依据多视图人脸图像;其中，T,T2…,TP表示第v个视图的子空间生成的一系列基本分区，所述基本分区的集合用P,表示。5其中，T,T2…,TP表示第v个视图的子空间生成的一系列基本分区，所述基本分区的集合用P,表示。67[0050]模型构建模块，结合基于宽度学习的自编码器和双向约束传播构建聚类集成模8,其中，T,T2…,TP表示第v个视图的子空间生成的一系列基本分区，所述基本分区的集合用P,表示。[0067]S101，构建一种可以依据多视图人脸图像数据进行特征处理的宽度学习自编码9;约束传播来构造无向图，并使用图割算法来获得共识分区。图中constrainedaffinitymatrixR为成对约束矩阵R，must_linkM为必连约束M，cannot_linkC为勿连约束C，Generation:constrainedmulti_viewbroadself_encodingnetwork为生成过程：受约束的多视图宽自编码网络，Consensus:bidirectionalconstraintpropagationand[0096]对本发明实施例进行实验验证。ORL是一个人脸图像数据集，由[0100]通过实验表明，应用本发明实施例的多视图聚类集成方法进行聚类，NMI值达到[0102]编码器构建模块601，构建一种可以依据多视图人脸图像数据进行特征处理的基[0103]模型构建模块602，结合基于宽度学习的自编码器和双向约束传播构建聚类集成

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论