-
公开(公告)号：CN116188829A
公开(公告)日：2023-05-30
申请号：CN202211588025.9
申请日：2022-12-12
申请人： 湖南工商大学
IPC分类号： G06V10/762 , G06F17/16
摘要： 本发明提供了一种基于超图正则深度非负矩阵分解的图像聚类方法，用于解决现有聚类算法准确率低的技术问题。实现步骤为：输入需要聚类的数据；计算并构建超图矩阵；定义并初始化超图正则深度非负矩阵分解的各层基矩阵和表示矩阵；设置迭代次数；获取超图正则深度非负矩阵分解的各层基矩阵和表示矩阵的更新公式；对超图正则深度非负矩阵分解的各层基矩阵和表示矩阵进行更新；定义并计算低维数据表示矩阵；图像聚类并输出。本发明可用于图像、文本聚类以及人脸识别等实际应用。
-
公开(公告)号：CN115995011B
公开(公告)日：2023-07-07
申请号：CN202211561959.3
申请日：2022-12-07
申请人： 湖南工商大学
IPC分类号： G06V10/762
摘要： 本发明提供了一种基于图正则化的非线性正交非负矩阵分解图像聚类方法，用于解决现有聚类算法准确率低、计算速度慢的技术问题。实现步骤为：输入需要聚类的数据；将数据映射到高维的非线性空间，计算核矩阵，设定图亲和矩阵，聚类种数；定义并初始化映射空间中的四个稀疏的非负矩阵分解基矩阵与因子矩阵，并对编码矩阵和聚类指示矩阵施加正交约束；设置迭代次数；调整矩阵分解和图正则项的超参数；获取四个非负矩阵分解的基矩阵与因子矩阵的更新公式；对映射空间中的基矩阵、编码矩阵、聚类中心矩阵、聚类指示矩阵进行更新；得到的聚类指示矩阵即为聚类结果并将其输出。本发明可用于图像、文本聚类以及人脸识别、推荐系统等实际应用。
-
公开(公告)号：CN118885678A
公开(公告)日：2024-11-01
申请号：CN202411394349.8
申请日：2024-10-08
申请人： 湖南工商大学
IPC分类号： G06F16/9536 , G06N3/0455 , G06N3/0499 , G06N3/08 , G06Q30/0601
摘要： 本发明属于推荐算法技术领域，具体涉及一种结合注意力机制与自编码器的神经协同过滤推荐方法，包括：采集用户和商品信息数据，构造用户‑物品交互矩阵；基于用户‑物品交互矩阵，获取用户特征向量和物品特征向量；将用户特征向量、物品特征向量分别输入基于注意力机制和自编码器的深度矩阵分解模型中，得到第一预测向量；将用户特征向量、物品特征向量分别输入基于注意力机制和自编码器的多层感知机模型中，得到第二预测向量；基于预设模型权重联合深度矩阵分解模型和多层感知机模型，并融合第一预测向量和第二预测向量得到联合预测评分；基于所得到联合预测评分，生成商品推荐列表，为用户进行物品推荐。
-
公开(公告)号：CN115995011A
公开(公告)日：2023-04-21
申请号：CN202211561959.3
申请日：2022-12-07
申请人： 湖南工商大学
IPC分类号： G06V10/762
摘要： 本发明提供了一种基于图正则化的非线性正交非负矩阵分解图像聚类方法，用于解决现有聚类算法准确率低、计算速度慢的技术问题。实现步骤为：输入需要聚类的数据；将数据映射到高维的非线性空间，计算核矩阵，设定图亲和矩阵，聚类种数；定义并初始化映射空间中的四个稀疏的非负矩阵分解基矩阵与因子矩阵，并对编码矩阵和聚类指示矩阵施加正交约束；设置迭代次数；调整矩阵分解和图正则项的超参数；获取四个非负矩阵分解的基矩阵与因子矩阵的更新公式；对映射空间中的基矩阵、编码矩阵、聚类中心矩阵、聚类指示矩阵进行更新；得到的聚类指示矩阵即为聚类结果并将其输出。本发明可用于图像、文本聚类以及人脸识别、推荐系统等实际应用。
-
公开(公告)号：CN116188829B
公开(公告)日：2024-01-05
申请号：CN202211588025.9
申请日：2022-12-12
申请人： 湖南工商大学
IPC分类号： G06V10/762 , G06F17/16
摘要： 本发明提供了一种基于超图正则深度非负矩阵分解的图像聚类方法，用于解决现有聚类算法准确率低的技术问题。实现步骤为：输入需要聚类的数据；计算并构建超图矩阵；定义并初始化超图正则深度非负矩阵分解的各层基矩阵和表示矩阵；设置迭代次数；获取超图正则深度非负矩阵分解的各层基矩阵和表示矩阵的更新公式；对超图正则深度非负矩阵分解的各层基矩阵和表示矩阵进行更新；定义并计算低维数据表示矩阵；图像聚类并输出。本发明可用于图像、文本聚类以及人脸识别等实际应用。
-
-
-
-
搜索结果
5 条记录 (耗时 0.02 秒)
