公开(公告)号：CN119206279B

公开(公告)日：2025-02-25

申请号：CN202411729686.8

申请日：2024-11-29

Applicant: 厦门理工学院

Inventor： 肖顺鑫 ,  曾葆 ,  李建敏 ,  王大寒 ,  朱顺痣

IPC: G06V10/762 ,  G06V10/774 ,  G06V10/74 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供的一种基于不确定性与图神经网络的多视图聚类方法，涉及多视图聚类技术领域。本发明通过获取多视图数据集，进行预处理后，得到原始特征矩阵与邻接矩阵；对输入的所述原始特征矩阵和所述邻接矩阵进行特征提取与融合后，得到一致嵌入矩阵与转移矩阵；基于Dempster‑Shafer证据理论与狄利克雷分布，通过降低所述一致嵌入矩阵中嵌入空间的不确定性，得到可靠一致嵌入；将所述可靠一致嵌入与所述转移矩阵映射为最终嵌入；对所述最终嵌入进行解码重建与聚类分析，得到聚类结果。本发明能充分挖掘视图中的潜在信息，降低模型中的不确定性，解决了多视图聚类任务中存在的噪声问题，能够快速、高效、准确地得到多视图数据的聚类结果。

公开(公告)号：CN119206279A

公开(公告)日：2024-12-27

申请号：CN202411729686.8

申请日：2024-11-29

Applicant: 厦门理工学院

Inventor： 肖顺鑫 ,  曾葆 ,  李建敏 ,  王大寒 ,  朱顺痣

IPC: G06V10/762 ,  G06V10/774 ,  G06V10/74 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供的一种基于不确定性与图神经网络的多视图聚类方法，涉及多视图聚类技术领域。本发明通过获取多视图数据集，进行预处理后，得到原始特征矩阵与邻接矩阵；对输入的所述原始特征矩阵和所述邻接矩阵进行特征提取与融合后，得到一致嵌入矩阵与转移矩阵；基于Dempster‑Shafer证据理论与狄利克雷分布，通过降低所述一致嵌入矩阵中嵌入空间的不确定性，得到可靠一致嵌入；将所述可靠一致嵌入与所述转移矩阵映射为最终嵌入；对所述最终嵌入进行解码重建与聚类分析，得到聚类结果。本发明能充分挖掘视图中的潜在信息，降低模型中的不确定性，解决了多视图聚类任务中存在的噪声问题，能够快速、高效、准确地得到多视图数据的聚类结果。