公开(公告)号：CN111914212A

公开(公告)日：2020-11-10

申请号：CN202010754784.2

申请日：2020-07-31

Applicant: 南京邮电大学

Inventor： 孙力娟 ,  印桃 ,  郭剑 ,  韩崇 ,  任恒毅 ,  肖甫 ,  王娟 ,  王汝传

IPC: G06F17/16 ,  G06N20/00

Abstract: 面向数据降维的邻域重建方法，能够在给定数据中心点和初始邻域集的条件下，产生与数据中心点更加相似的邻域集。所述方法包括：将数据中心点和邻域集组成基础矩阵，然后将基础矩阵迭代地右乘系数矩阵产生新的邻域集。每一次迭代过程中产生的邻域集放到同一个矩阵中能够产生扩充邻域集。计算数据中心点和扩充邻域集之间的欧氏距离，并在扩充邻域集的每一行中选取一个与数据中心点距离最小的数据，选中的数据即重建的数据中心点的邻域集。通过本发明的技术方法，能够寻找到与数据中心点在结构上更具相似性的邻域集。对于图像分类和图像超分辨率等领域具有重要理论和实际意义。

公开(公告)号：CN111914212B

公开(公告)日：2023-05-16

申请号：CN202010754784.2

申请日：2020-07-31

Applicant: 南京邮电大学

Inventor： 孙力娟 ,  印桃 ,  郭剑 ,  韩崇 ,  任恒毅 ,  肖甫 ,  王娟 ,  王汝传

IPC: G06F17/16 ,  G06N20/00

Abstract: 面向数据降维的邻域重建方法，能够在给定数据中心点和初始邻域集的条件下，产生与数据中心点更加相似的邻域集。所述方法包括：将数据中心点和邻域集组成基础矩阵，然后将基础矩阵迭代地右乘系数矩阵产生新的邻域集。每一次迭代过程中产生的邻域集放到同一个矩阵中能够产生扩充邻域集。计算数据中心点和扩充邻域集之间的欧氏距离，并在扩充邻域集的每一行中选取一个与数据中心点距离最小的数据，选中的数据即重建的数据中心点的邻域集。通过本发明的技术方法，能够寻找到与数据中心点在结构上更具相似性的邻域集。对于图像分类和图像超分辨率等领域具有重要理论和实际意义。