[发明专利]基于局部学习正则化的深度矩阵分解方法及图像聚类方法有效
| 申请号： | 201810905948.X | 申请日： | 2018-08-10 |
| 公开（公告）号： | CN109325515B | 公开（公告）日： | 2021-09-28 |
| 发明（设计）人： | 舒振球;孙燕武;陆翼;范洪辉;李仁璞;张杰;汤嘉立 | 申请（专利权）人： | 江苏理工学院 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 常州佰业腾飞专利代理事务所(普通合伙) 32231 | 代理人： | 陈丽萍 |
| 地址： | 213001 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： |
本发明提供了一种基于局部学习正则化的深度矩阵分解方法及图像聚类方法，其中，在深度矩阵分解方法中包括：S10根据待聚类图片获取数据矩阵Y；S20基于数据矩阵Y构建目标函数：S30根据目标函数C |
||
| 搜索关键词： | 基于 局部 学习 正则 深度 矩阵 分解 方法 图像 | ||
【主权项】：
1.一种基于局部学习正则化的深度矩阵分解方法，其特征在于，所述分解方法中包括：S10根据待聚类图片获取数据矩阵Y；S20基于所述数据矩阵Y构建目标函数：![]()
其中，Y＝[y1,y2,…,yN]，其中，Yj＝yj,j＝1,2,…,N，j表示对数据矩阵Y观测的次数，N表示对数据矩阵Y观测的总次数；m为数据矩阵Y的维度；![]()
表示不限制内部正负的基矩阵，其中，i＝1,2,…,m，对应重建的层数；Mm表示第m层基矩阵![]()
对应的系数；D＝(Q‑E)(Q‑E)，Q表示数据矩阵Y对应图片的最邻近图，且Q＝(V,E)，V＝X，E是一个X×X子集；S30根据目标函数C**，使用迭代加权的方法，输出基矩阵Ni和系数矩阵Mi，完成对数据矩阵Y的分解。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于江苏理工学院，未经江苏理工学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810905948.X/，转载请声明来源钻瓜专利网。
