[发明专利]一种基于深度神经网络的极光图像聚类方法有效
| 申请号： | 201910950408.8 | 申请日： | 2019-10-08 |
| 公开（公告）号： | CN110738249B | 公开（公告）日： | 2022-08-26 |
| 发明（设计）人： | 杨秋菊;刘畅 | 申请（专利权）人： | 陕西师范大学 |
| 主分类号： | G06V10/762 | 分类号： | G06V10/762;G06V10/774;G06V10/82;G06N3/08 |
| 代理公司： | 西安通大专利代理有限责任公司 61200 | 代理人： | 朱海临 |
| 地址： | 710119 陕西*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度神经网络的极光图像聚类方法，主要解决现有极光图像自动分类基本都是监督分类的问题。其实现步骤为：首先使用全部待聚类的极光图像预训练基于VGGNet16的深度卷积自编码器DCAE_VGG；然后使用训练好的DCAE_VGG提取极光图像的特征向量；最后使用由Siamese、SpectralNet和k均值聚类组成的聚类网络对特征向量进行聚类。本发明避免了现有极光图像分类方法需事先确定分类机制并人工标记部分样本的问题，具有效率高和适用性强的优点，可用于极光图像特征提取和海量极光图像聚类。 | ||
| 搜索关键词： | 一种 基于 深度 神经网络 极光 图像 方法 | ||
【主权项】：
1.一种基于深度神经网络的极光图像聚类方法，其特征在于，包括以下步骤：/n步骤1：使用全部待聚类的极光图像预训练基于VGGNet16的深度卷积自编码器DCAE_VGG；/n步骤2：使用训练好的DCAE_VGG提取每幅极光图像的特征向量；/n步骤3：使用由Siamese、SpectralNet和k均值聚类组成的聚类网络对特征向量进行聚类。/n
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陕西师范大学，未经陕西师范大学许可，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/201910950408.8/，转载请声明来源钻瓜专利网。
