公开(公告)号：CN118171128A

公开(公告)日：2024-06-11

申请号：CN202410415796.0

申请日：2024-04-08

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 文杰 ,  许戈辉

IPC: G06F18/2321 ,  G06V10/762 ,  G06V10/80 ,  G06V10/40 ,  G06V10/44 ,  G06N3/0455 ,  G06N3/048 ,  G06F18/213 ,  G06F18/25 ,  G06N3/084

Abstract: 本发明提供了一种基于变分自动编码器的不完整多视角聚类系统、方法及存储介质，该不完整多视角聚类系统包括深度多视角概率编码网络模块、多视角特征融合模块、特征一致性保持模块、聚类分配模块和深度多视角概率解码网络模块。本发明的有益效果是：1)本发明首次将概率编码器应用于不完整多视角聚类任务，能够灵活、高效的处理具有任意缺失视角数据的聚类任务而无需额外的数据补全步骤，提出的模型复杂度与视角数量呈线性关系，可以适用于具有多个视角的场景；2)本发明采用了基于分布的聚类预测方法，在提出的模型中可以直接获得聚类预测结果，而无需对提取的特征执行额外的聚类算法来获得最终结果。

公开(公告)号：CN116108363A

公开(公告)日：2023-05-12

申请号：CN202211622171.9

申请日：2022-12-16

Applicant: 哈尔滨工业大学(深圳)

Inventor： 刘成亮 ,  文杰 ,  张彦博 ,  许戈辉

IPC: G06F18/24 ,  G06F18/25 ,  G06F18/214

Abstract: 本发明公开了一种基于标签引导的不完备多视图多标签分类方法、系统及存储介质。方法包括：构建、训练基于标签引导的不完备多视图多标签分类网络模型；将测试数据输入训练好的不完备多视图多标签分类网络模型进行推理，输出预测标签；其中，不完备多视图多标签分类网络模型包括掩码视图感知编码器、自适应加权多视图融合模块、标签引导的样本级图约束模块和子类别感知多标签分类模块。本发明可以充分利用多视图的互补信息，同时提取样本的深层次特征；可自适应地学习每个视图的权重因子；利用标签流形假设指导样本编码，最终在子类嵌入空间中学习相关性以帮助预测标签。此外，本发明适用于视图和标签都不完整的多视图多标签数据。

公开(公告)号：CN115994317A

公开(公告)日：2023-04-21

申请号：CN202211593949.8

申请日：2022-12-13

Applicant: 哈尔滨工业大学(深圳)

Inventor： 刘成亮 ,  文杰 ,  吴彦乔 ,  许戈辉

IPC: G06F18/24 ,  G06F18/25 ,  G06N3/048 ,  G06N3/08 ,  G06N3/088 ,  G06F18/214

Abstract: 本发明公开了一种基于深度对比学习的不完备多视图多标签分类方法、系统及存储介质。方法包括：构建、训练不完备多视图多标签分类网络模型；将测试数据输入训练好的不完备多视图多标签分类网络模型进行推理，输出预测标签；其中，不完备多视图多标签分类网络模型包括特定视图表示学习框架、不完备实例级对比学习模块和加权融合与不完备多标签分类模块。本发明利用深度神经网络来提取样本的高级语义表示，利用自编码器构建端到端的多视图特征提取框架用以学习样本的表征向量。同时，为进一步地提高模型的表示能力，依据一致性假设引入无监督对比学习指导编码器提取多视图的深层次表示信息，还提出加权融合方法以平衡不同视图的重要性。