公开(公告)号：CN119380060A

公开(公告)日：2025-01-28

申请号：CN202411519635.2

申请日：2024-10-29

Applicant: 安徽工业大学

Inventor： 侯书东 ,  郭兰兰 ,  魏旭 ,  刘恒

IPC: G06V10/762 ,  G06V10/82 ,  G06V10/44 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/0985 ,  G06N3/0895

Abstract: 本发明公开了基于跨视图编码与图约束的不完整多视图对比学习方法，属于计算机视觉技术领域。本发明将经过跨视图编码器来捕获样本高级表示，以此为中心构造关系图，由于同一实例的不同视图特征在语义上是一致的，因此不同视图中的同一实例可以共享相似的关系图，通过该方式，能够使得不同视图的高级特征表示在特征空间中进行拉近并对齐；然后再采用自监督高置信度引导进一步增强其自身的表征学习；此外，为了更加关注实例间的邻居关系，通过引入图约束将重构数据反向推动到表示学习过程中，并允许它们相互协作以实现更好的聚类。

公开(公告)号：CN119719817A

公开(公告)日：2025-03-28

申请号：CN202411892157.X

申请日：2024-12-20

Applicant: 安徽工业大学

Inventor： 侯书东 ,  魏旭 ,  郭兰兰

IPC: G06F18/23 ,  G06F18/2415 ,  G06F18/213 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/0895 ,  G06F18/22 ,  G06F18/25

Abstract: 本发明公开了一种基于细粒度对比学习与特征融合的多视图聚类方法，属于计算机视觉技术领域。本发明通过计算每个视图特征与融合特征的互信息分数动态调整融合权重，这样主要的含有较多信息的视图就会受到主要关注；并通过得到的伪标签概率矩阵得到视图内样本邻接关系，并通过综合所有视图间样本关系引入强弱关系，对强样本对之间进行更强的对比学习，拉近或拉远它们之间的距离；进而为进一步解决多视图聚类问题带来了新的技术解决方案。