公开(公告)号：CN117994550A

公开(公告)日：2024-05-07

申请号：CN202410247864.7

申请日：2024-03-05

Applicant: 哈尔滨理工大学

Inventor： 李骜 ,  叶海天 ,  许浩越 ,  冯聪

IPC: G06V10/762 ,  G06V10/40 ,  G06N3/048 ,  G06N3/084 ,  G06N3/047 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06V40/10

Abstract: 一种基于深度在线锚点子空间学习的非完备多视角大规模动物图像聚类方法，属于多媒体信息处理中的动物聚类处理领域。该方法首先对动物图像数据集提取样本特征进行归一化处理来构建多视角公共子空间学习网络，从而为每个视角构建k近邻图和高维流形分布矩阵，并设置可学习的锚点。然后将样本特征和k近邻图输入到子空间学习网络中，重构原始特征并计算损失函数。同时，施加流形正则化约束来约束网络学习表示，得到流形正则化的公共子空间自表示损失函数。通过小批量随机梯度下降算法训练网络，直至收敛。最后利用学习到的公共子空间进行谱聚类，得到聚类结果。与其他方法相比，本发明的精确度更高，性能更加稳健。

公开(公告)号：CN117830680A

公开(公告)日：2024-04-05

申请号：CN202410016589.8

申请日：2024-01-04

Applicant: 哈尔滨理工大学

Inventor： 李骜 ,  许浩越 ,  叶海天 ,  冯聪 ,  高天宇

IPC: G06V10/762 ,  G06V10/74 ,  G06V10/80 ,  G06V10/77

Abstract: 一种基于小批量集成缩放点积注意力权重锚图的大规模非完备多视角动物图像聚类方法，属于动物形态学和多媒体信息处理中的动物图像数据聚类处理领域，首先通过对每个视角的存在样本中随机选取多组锚点，形成锚点特征批量和存在特征批量。然后利用缩放点积注意力计算每个视角的锚点和存在特征之间的相似度，得到视角专属集成锚图后根据缺失指示矩阵对其进行加权融合，得到视角公共锚图。重复多次，融合多个视角公共锚图得到视角公共集成锚图后进行快速谱聚类，得到最终聚类结果和准确率。与其他方法相比，本发明的精确度更高，性能更加稳健。

公开(公告)号：CN117253065A

公开(公告)日：2023-12-19

申请号：CN202311280794.7

申请日：2023-09-29

Applicant: 哈尔滨理工大学

Inventor： 李骜 ,  许浩越 ,  冯聪 ,  叶海天

IPC: G06V10/762 ,  G06V10/80

Abstract: 一种基于局部和全局锚图集成的非完备多视角场景图像数据聚类方法，属于多媒体信息处理中的场景图像数据聚类处理领域，首先对每个视角的数据随机采样，得到锚集和非锚集，然后用稀疏子空间模型求解边权矩阵，构建基础局部非完备锚图。接着对多个基础局部非完备锚图进行加权平均融合，得到每个视角的局部非完备锚图，再根据样本缺失指示矩阵对其进行加权平均融合得到基础全局完备锚图。最后，对基础全局完备锚图进行加权平均得到基础全局完备锚图，用奇异值分解和K均值聚类进行聚类分析，得到最终聚类结果。与其他方法相比，本发明的精确度更高，性能更加稳健。

公开(公告)号：CN116758319A

公开(公告)日：2023-09-15

申请号：CN202310715369.X

申请日：2023-06-15

Applicant: 哈尔滨理工大学

Inventor： 李骜 ,  冯聪 ,  许浩越 ,  梅三林

IPC: G06V10/762 ,  G06V20/10 ,  G06V10/40 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 一种基于图卷积流形正则化自编码器的非完备多视角遥感图像聚类方法，属于遥感信息处理中的多视角遥感图像聚类领域，本发明首先从非完备多视角遥感图像数据中提取每个视角的存在特征及其邻接矩阵和原始概率分布矩阵，以便更好的利用数据的图信息和流形信息。然后，构建一个基于图卷积的多视角自编码器网络，将全部视角的存在特征及其邻接矩阵和原始概率分布矩阵输入网络以进行公共表示学习和缺失特征补全，并用基于流形正则化的重建损失函数训练网络直至收敛。最后，从收敛后网络的编码器获取公共潜在特征，并对潜在特征实施K均值聚类以得到聚类结果，以此促进模型对非完备多视角遥感图像数据的自适应性和鲁棒性；与其他方法相比，本发明的聚类准确率更高，性能更加稳健。

公开(公告)号：CN116127104A

公开(公告)日：2023-05-16

申请号：CN202310216669.3

申请日：2023-03-08

Applicant: 哈尔滨理工大学

Inventor： 李骜 ,  冯聪 ,  许浩越

IPC: G06F16/45 ,  G06F18/23

Abstract: 一种基于关键点子空间学习的非完备多视角新闻数据聚类方法，属于多媒体信息处理中的新闻数据聚类处理领域，本发明首先将非完备多视角新闻数据划分为完备子集和非完备子集，以便更好的利用视角一致性和视角特异性信息。然后，构造一个针对完备子集设计的视角公共子空间和非完备子集的视角专属子空间。最后，构建一个联合使用视角公共和视角专属子空间的完备关键点子空间，并实施快速谱聚类以得到聚类结果，以此促进模型的自适应性和鲁棒性；与其他方法相比，本发明的精确度更高，性能更加稳健。