一种面向大规模多视图数据的快速分类方法、系统及介质

    公开(公告)号:CN119598237A

    公开(公告)日:2025-03-11

    申请号:CN202411704240.X

    申请日:2024-11-26

    Abstract: 本发明公开了一种面向大规模多视图数据的快速分类方法、系统及介质,该方法包括:获取大规模多视图数据集,形成多视图数据矩阵;基于所述多视图数据矩阵,获取每个视图数据的二分图,并形成第一聚类模型;通过引入图学习项和双锚点学习机制对所述第一聚类模型进行优化,得到第二聚类模型;所述第二聚类模型是联合一致二分图和互补二分图进行联合学习而形成的多视图聚类模型;采用迭代优化算法对所述第二聚类模型进行优化求解,得到求解后的第二聚类模型;将大规模多视图数据集输入求解后的第二聚类模型进行聚类,得到聚类结果。本发明旨在提升现有基于二分图的多视图聚类方法在处理大规模数据集时的性能,进一步提升了在大规模数据集的聚类效率。

    一种基于锚点的矿物识别与聚类分析方法

    公开(公告)号:CN118298411A

    公开(公告)日:2024-07-05

    申请号:CN202410710717.9

    申请日:2024-06-04

    Abstract: 本发明公开了一种基于锚点的矿物识别与聚类分析方法;涉及工艺矿物学技术领域;包括步骤:采集矿石的表面图像并进行预处理得到原始特征数据;引入锚点来模拟原始特征数据,并通过锚点和原始特征数据之间的关系构造关系锚图;基于低秩约束方法处理关系锚图,并获取数学基于锚和张量对偶学习的大规模多视图聚类模型;优化并解算大规模多视图聚类模型得到聚类分析结果;在现有基于锚点的多视图子空间聚类方法的基础上,将锚点学习与关系锚图的构建组合到了一个统一框架中,并且使两者之间进行相互学习,以增强锚点的判别能力。此外,本方案基于结构张量低秩范数来探索多个关系锚图之间的高阶相关性,同时优化张量的局部结构,以提高聚类性能。

Patent Agency Ranking