[发明专利]基于矩阵引导正则化的局部缺失多视图聚类机器学习方法有效
| 申请号： | 201810924243.2 | 申请日： | 2018-08-14 |
| 公开（公告）号： | CN109214429B | 公开（公告）日： | 2021-07-27 |
| 发明（设计）人： | 郑军;刘新旺 | 申请（专利权）人： | 聚时科技(上海)有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 上海科盛知识产权代理有限公司 31225 | 代理人： | 翁惠瑜 |
| 地址： | 200082 上海市杨浦区*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于矩阵引导正则化的局部缺失多视图聚类机器学习方法，该方法将填充与聚类相融合，在聚类的引导下填充缺失核，用填充的核进行聚类，并在填充缺失核时，同时引入矩阵引导的正则化，该方法具体步骤包括：1)获取目标数据样本和聚类目标数，将所述目标数据样本映射至多核空间；2)引入矩阵引导的正则化，建立正则化的局部缺失多核k‑均值聚类优化目标函数；3)采用循环方式求解所述正则化的局部缺失多核k‑均值聚类优化目标函数，实现聚类。与现有技术相比，本发明具有聚类效果好、计算量低等优点。 | ||
| 搜索关键词： | 基于 矩阵 引导 正则 局部 缺失 视图 机器 学习方法 | ||
【主权项】：
1.一种基于矩阵引导正则化的局部缺失多视图聚类机器学习方法，其特征在于，该方法将填充与聚类相融合，在聚类的引导下填充缺失核，用填充的核进行聚类，并在填充缺失核时，同时引入矩阵引导的正则化，该方法具体步骤包括：1)获取目标数据样本和聚类目标数，将所述目标数据样本映射至多核空间；2)引入矩阵引导的正则化，建立正则化的局部缺失多核k‑均值聚类优化目标函数；3)采用循环方式求解所述正则化的局部缺失多核k‑均值聚类优化目标函数，实现聚类。
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聚时科技(上海)有限公司，未经聚时科技(上海)有限公司许可，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/201810924243.2/，转载请声明来源钻瓜专利网。
