公开(公告)号：CN118760913B

公开(公告)日：2025-02-14

申请号：CN202411237176.9

申请日：2024-09-05

Applicant: 烟台大学

Inventor： 阎维青 ,  杨廷玉 ,  刘兆伟 ,  徐金东 ,  王璇 ,  宋永超

IPC: G06F18/23 ,  G06F18/25 ,  G06N3/0895 ,  G06N3/0455

Abstract: 本发明涉及深度学习技术领域，尤其是涉及一种基于特征融合和标签对齐的多模态聚类方法及系统。方法，包括获取多视图样本数据和真实聚类标签；构建多视图对比学习神经网络模型；利用多视图样本数据对多视图对比学习神经网络模型进行训练，得到训练好的多视图对比学习神经网络模型；利用训练好的多视图对比学习神经网络模型对多视图样本数据进行特征提取，通过计算损失来优化模型输出的标签质量，得到多视图聚类模型；通过自我监督的方法有效地嵌入特征学习和标签学习任务到一个单一的框架。这种方法比两阶段深度多视图聚类方法更简单、更快，而且它还有效地利用了视图特定的信息来协助视图共识语义的生成。

公开(公告)号：CN118760913A

公开(公告)日：2024-10-11

申请号：CN202411237176.9

申请日：2024-09-05

Applicant: 烟台大学

Inventor： 阎维青 ,  杨廷玉 ,  刘兆伟 ,  徐金东 ,  王璇 ,  宋永超

IPC: G06F18/23 ,  G06F18/25 ,  G06N3/0895 ,  G06N3/0455

Abstract: 本发明涉及深度学习技术领域，尤其是涉及一种基于特征融合和标签对齐的多模态聚类方法及系统。方法，包括获取多视图样本数据和真实聚类标签；构建多视图对比学习神经网络模型；利用多视图样本数据对多视图对比学习神经网络模型进行训练，得到训练好的多视图对比学习神经网络模型；利用训练好的多视图对比学习神经网络模型对多视图样本数据进行特征提取，通过计算损失来优化模型输出的标签质量，得到多视图聚类模型；通过自我监督的方法有效地嵌入特征学习和标签学习任务到一个单一的框架。这种方法比两阶段深度多视图聚类方法更简单、更快，而且它还有效地利用了视图特定的信息来协助视图共识语义的生成。