公开(公告)号：CN114120397B

公开(公告)日：2024-08-27

申请号：CN202111305367.0

申请日：2021-11-05

Applicant: 厦门大学

Inventor： 高云龙 ,  李辉堆 ,  李子琦 ,  陈彦光 ,  林昊 ,  潘金艳

IPC: G06V40/16 ,  G06V10/30 ,  G06V10/77 ,  G06V10/771 ,  G06V10/762 ,  G06V10/764

Abstract: 本发明涉及一种人脸图像重构方法、系统及数据降维方法，图像重构方法包括：首先基于样本向量、重构变换矩阵、变换矩阵、特征值回归系数矩阵、坐标基和编码矩阵计算权重矩阵；其次利用权重矩阵更新坐标基、编码矩阵E、新变换矩阵和重构变换矩阵；当满足终止条件时，将更新后的重构变换矩阵中各特征向量进行排序，选取前d个最大特征向量构建最优特征子集；最后利用最优特征子集对待测试样本图像进行图像去噪以及人脸重构，获得人脸图像。本发明公开的图像重构方法具有更好判别性能和鲁棒性能，特别是在含有噪声的人脸图像识别上具有更高的识别率。另外本发明公开的数据降维方法能够针对图像数据、视频数据、文档数据或网站数据进行数据降维。

公开(公告)号：CN114120397A

公开(公告)日：2022-03-01

申请号：CN202111305367.0

申请日：2021-11-05

Applicant: 厦门大学

Inventor： 高云龙 ,  李辉堆 ,  李子琦 ,  陈彦光 ,  林昊 ,  潘金艳

IPC: G06V40/16 ,  G06V10/30 ,  G06V10/77 ,  G06V10/771 ,  G06V10/762 ,  G06V10/764 ,  G06K9/62

Abstract: 本发明涉及一种人脸图像重构方法、系统及数据降维方法，图像重构方法包括：首先基于样本向量、重构变换矩阵、变换矩阵、特征值回归系数矩阵、坐标基和编码矩阵计算权重矩阵；其次利用权重矩阵更新坐标基、编码矩阵E、新变换矩阵和重构变换矩阵；当满足终止条件时，将更新后的重构变换矩阵中各特征向量进行排序，选取前d个最大特征向量构建最优特征子集；最后利用最优特征子集对待测试样本图像进行图像去噪以及人脸重构，获得人脸图像。本发明公开的图像重构方法具有更好判别性能和鲁棒性能，特别是在含有噪声的人脸图像识别上具有更高的识别率。另外本发明公开的数据降维方法能够针对图像数据、视频数据、文档数据或网站数据进行数据降维。

公开(公告)号：CN119128566A

公开(公告)日：2024-12-13

申请号：CN202411175592.0

申请日：2024-08-26

Applicant: 厦门大学

Inventor： 高云龙 ,  郑兴莘 ,  曹超 ,  李辉堆 ,  邵桂芳 ,  祝青园 ,  潘金艳

IPC: G06F18/23213 ,  G06F18/22

Abstract: 本申请公开了一种高维数据聚类方法、装置、设备、介质及产品，涉及机器学习中的聚类分析领域，该方法包括根据簇中心矩阵、投影矩阵和簇对相似度矩阵，更新隶属度矩阵；所述隶属度矩阵基于高维数据样本的局部信息因子构建；更新簇中心矩阵；根据原始高维数据矩阵、更新的隶属度矩阵、更新的簇中心矩阵和簇对相似度矩阵，构造辅助矩阵并求特征值分解，更新投影矩阵；根据更新的隶属度矩阵、更新的簇中心矩阵和更新的投影矩阵，构造凸优化问题，更新簇对相似度矩阵；判断是否满足终止条件；若是，根据所述更新的隶属度矩阵对高维数据样本进行划分，输出聚类结果；若否，返回隶属度矩阵更新步骤，本申请能够提高聚类方法对高维数据的聚类结果。