[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

说明书

本发明公开了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。主要包括如下步骤：1)针对于已有的局部多模态数据结合概率邻居矩阵的方法得到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。2)针对于获得的目标函数，利用相应的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，从而获得最终的稀疏编码。相比于一般的稀疏编码解决方案，本发明能够合理利用局部多模态数据，并产生更加符合相似性要求的稀疏编码。本发明在稀疏编码问题中所取得的效果相比于传统的方法更好。

技术领域

本发明涉及稀疏编码补全，尤其涉及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。

背景技术

随着互联网的发展，许多互联网应用开始包含多模态的数据，例如同时包含网页图片与相关文本的数据。于是针对于多模态数据的多模态稀疏编码技术便成为了一种重要的技术。稀疏编码技术的目的是针对于多模态数据仅利用较少的编码系数来表示。

现有的技术主要是通过利用带有l1惩罚项的稀疏编码规则化的方法来进行多模态数据的重建从而完成稀疏编码并且通过多模态数据映射函数学习的方法来保留模型相关性。但是，在实际情况下，一般许多模态下的数据是不完整的，从而导致局部多模态数据的问题。

本发明将采用一种利用适应性相似结构规则化来进行局部多模态稀疏编码补全的方法，本方法将同时进行部分多模态相似结构学习与统一稀疏编码。本方法将通过学习出一个相似推断概率邻居，在其中将会把不同模态下数据的相似性计算出来。

发明内容

本发明的目的在于解决现有技术中的问题，为了克服现有技术中对于局部多模态数据缺乏特别关注的问题，本发明提供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。本发明所采用的具体技术方案是：

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，包含如下步骤：

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。

上述步骤可具体采用如下实现方式：