[发明专利]一种利用适应性相似结构规则化进行局部多模态稀疏编码补全的方法

权利要求书

1.一种利用适应性相似结构规则化进行局部多模态稀疏编码补全的方法，其特征在于包括如下步骤：

1)利用当前已有的局部多模态的数据，构建稀疏编码的基本目标函数；

2)引入概率邻居矩阵的方法同时学习出数据相似性矩阵与稀疏编码；结合构建的稀疏编码基本目标函数构建利用适应性相似结构规则化进行局部多模态稀疏编码补全的最终目标函数；

3)利用优化算法学习概率邻居P，统一稀疏编码α与多模态基向量词典D。

2.根据权利要求1所述利用适应性相似结构规则化进行局部多模态稀疏编码补全的方法，其特征在于所述的步骤1)具体步骤为:

对于所给出的含有N个双模型样本集合其中为模态A下的第i个样本，为模态B下的第i个样本，da为表示模态A样本的向量维度，db为表示模态B样本的向量维度；在目前的局部多模态数据集的设置中，将数据的表达形式设置为X＝{C,A,B}，其中代表同时含有A、B两种模态表示的通用样本，代表仅由A模态表示的样本，代表仅由B模态表示的样本，c代表同时含有A、B两种模态表示的通用样本的数目，na代表仅由A模态表示的样本的数目，nb代表仅由B模态表示的样本的数目；同时由模态A与模态B表示的通用数据样本在A与B模态下的表达分别记为与所有在A模态下的样本的表达记为所有在B模态下的样本的表达记为

则对于所给定的局部多模态的数据，所需要学习出的基本目标函数为：

min α , D Σ m ∈ { a , b } | | X ^ ( m ) - D ( m ) α ^ ( m ) | | F 2 + λ | | α ^ ( m ) | | 1 ]]>

s . t . X ^ ( a ) = X c ( a ) X ( a ) , X ^ ( b ) = X c ( b ) X ( b ) ]]>

α ^ ( a ) = α ( c ) α ( a ) , α ^ ( b ) = α ( c ) α ( b ) ]]>

| | d k ( m ) | | ≤ l , m ∈ { a , b } , ∀ k ]]>

其中，α(c)为通用数据样本的统一编码，α(a)为局部A模态下数据样本的编码，α(b)为局部B模态下数据样本的编码，则稀疏编码α＝{α(c),α(a),α(b)}保证了从不同模态下生成的编码的一致性；D(a)与D(b)分别代表A、B模态下的基向量。