[发明专利]一种基于卷积神经网络的无监督多模态子空间聚类方法在审
| 申请号： | 201810429107.6 | 申请日： | 2018-05-08 |
| 公开（公告）号： | CN108629374A | 公开（公告）日： | 2018-10-09 |
| 发明（设计）人： | 夏春秋 | 申请（专利权）人： | 深圳市唯特视科技有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 518057 广东省深圳市高新技术产业园*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明中提出的一种基于卷积神经网络的无监督多模态子空间聚类方法，其主要内容包括：多模态编码器、自表达层和多模态译码器，其过程为，对于输入的多模态数据，先用编码器实现空间融合，通过空间融合网络将其融合到潜在的空间表示中，然后将融合的结果输入自表达层，利用自表达性在潜在空间对联合表示进行编码，最后，由自表达层的输出所产生的联合表示输入到多模态解码器中，对不同的模态进行重构，得到最后的聚类结果。本发明解决了以往的子空间聚类方法依赖于模态之间的空间对应关系且会增加数据维度的问题，能够利用模态的自表达性获得联合表示，并提高子空间聚类的准确度。 | ||
| 搜索关键词： | 多模态 子空间 聚类 模态 卷积神经网络 空间融合 编码器 表达性 无监督 译码器 空间对应关系 解码器 多模态数据 聚类结果 空间表示 潜在空间 数据维度 准确度 融合 潜在的 联合 重构 输出 网络 | ||
【主权项】：
1.一种基于卷积神经网络的无监督多模态子空间聚类方法，其特征在于，主要包括多模态编码器(一)；自表达层(二)；多模态译码器(三)。
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深圳市唯特视科技有限公司，未经深圳市唯特视科技有限公司许可，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/201810429107.6/，转载请声明来源钻瓜专利网。
