公开(公告)号：CN116704250A

公开(公告)日：2023-09-05

申请号：CN202310701385.3

申请日：2023-06-14

Applicant: 扬州大学

Inventor： 何萍 ,  陈苏全 ,  徐晓华 ,  喻鹏

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/776 ,  G06V10/75 ,  G06N3/045 ,  G06N3/088

Abstract: 本发明公开了一种基于多流形的自动编码器图像分类方法与系统，旨在高维图像数据中实现有效的分类和降维，同时保持数据的几何结构。首先采用去噪自编码器进行预训练，以学习数据在潜在空间中的初始低维表达。然后假设每个类为一个流形空间，并通过优化流形的结构一致性和判别性，实现数据的低维表达和分类。为此，本发明构造流形内等距损失函数、流形间判别损失函数，流形对齐损失函数和分类损失函数，通过将这四个损失函数组合成一个总的损失函数，基于预训练好的自动编码器进行优化和调整，学习到对图像数据的最终低维表达，并用于对未知图像数据进行分类预测。本发明有效地结合了自编码器、流形学习，为图像数据提供了更优越的分类解决方案。

公开(公告)号：CN118247537A

公开(公告)日：2024-06-25

申请号：CN202410496346.9

申请日：2024-04-24

Applicant: 扬州大学

Inventor： 何萍 ,  喻鹏 ,  徐清源

IPC: G06V10/762 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于持续同调的流形自编码器图像聚类方法与系统，其主要技术思路是：首先使用去噪自编码器学习高维图像数据的初始低维表示，基于图像数据的潜在空间中的初始低维表达进行图像聚类。然后将自编码器与流形学习、持续同调相结合，利用重建损失函数、拓扑损失函数和聚类损失函数来优化流形的结构一致性和判别性。接着再通过对总损失函数的优化，调整网络参数，学习到高维图像数据的低维表示。最后使用学习到的模型对测试图像数据进行聚类。该方法有效地结合了自编码器、流形学习和持续同调，能够实现高维图像数据的降维和聚类，在图像、多媒体等领域具有良好的应用价值。