公开(公告)号：CN119293273A

公开(公告)日：2025-01-10

申请号：CN202411184853.5

申请日：2024-08-27

Applicant: 哈尔滨理工大学

Inventor： 梅三林 ,  王雁冰 ,  李骜 ,  王莉莉 ,  尹芳

IPC: G06F16/45 ,  G06F18/23213 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0895

Abstract: 一种面向不完整多视图流式新闻数据的异构关系卷积谱聚类方法，属于不完整多视图流式新闻数据中的数据聚类处理领域，本发明首先通过获取t0时刻之前的多个不完整多视图流式新闻数据样本，对每个视图构建异构关系矩阵和高维流形分布矩阵。然后将每个视图的样本特征和相应的异构关系矩阵输入不完整多视图流式新闻数据异构关系卷积谱聚类网络中，以获得每个视图的低维嵌入表示，并将其通过特征融合层获得所有视图的公共低维嵌入表示。紧接着将公共低维嵌入表示输入正交归一化层获得近似谱嵌入，随后将其通过自监督模块来获得单一输入样本特征的软分配。最后通过使用小批量随机梯度下降算法将不完整多视图流式新闻数据的异构关系卷积谱聚类总体损失函数优化至收敛。当模型达到收敛后，使用该模型对t0时刻之后持续不断产生的单个不完整多视图流式新闻数据样本进行聚类，以获得单一流式新闻数据的聚类结果，进而实现对不完整多视图流式新闻数据聚类的目的。

公开(公告)号：CN119048784A

公开(公告)日：2024-11-29

申请号：CN202411059424.5

申请日：2024-08-03

Applicant: 哈尔滨理工大学

Inventor： 许浩越 ,  王雁冰 ,  李骜 ,  王莉莉 ,  程媛

IPC: G06V10/762 ,  G06V40/16 ,  G06V10/74 ,  G06V10/774 ,  G06V10/776

Abstract: 一种基于标志点与张量多维图学习的非全面多视角人脸图像聚类方法，属于多媒体信息处理中的人脸图像聚类处理领域，本发明首先提取每个视角中的存在样本，并从这些存在样本中学习视角特定标志点，以表示包括非全面样本在内的所有样本的分布。再利用直接交替采样方法选择标志点，构建视角特定的标志点图，然后对每个视角的标志点图进行正交非负矩阵分解，得到视角特定的软指示矩阵。将各视角的软指示矩阵堆叠成张量，通过最小化张量Schattenp‑范数来捕捉视角间的高阶相关性和互补信息。通过统一的二分图框架和张量低秩约束，有效处理视角间的不完全性，再将每个视角的软指示矩阵进行融合，得到最终的共识指示矩阵。利用奇异值分解和K均值聚类对其进行聚类分析，得到最终聚类结果。以此促进模型的自适应性和鲁棒性。与其他方法相比，本发明的精确度更高，性能更加稳健。

公开(公告)号：CN119006908A

公开(公告)日：2024-11-22

申请号：CN202411082610.0

申请日：2024-08-08

Applicant: 哈尔滨理工大学

Inventor： 吴起慧 ,  王雁冰 ,  李骜 ,  杨海陆 ,  程媛

IPC: G06V10/764 ,  G06V10/82 ,  G06V20/10 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种面向跨地域光谱图像地物分类的可反转双路卷积方法，属于光谱图像地物分类技术领域。本发明方法将一种独特的可反转双路卷积架构融入卷积神经网络模型中，实现了对源域与目标域数据的高效且低内存需求的深度特征提取能力。进一步地，为了缩小源域与目标域之间的特征差异，本发明构建了一种基于最大平均差异的损失函数，旨在对齐两域间的特征分布，从而增强模型对目标域数据的泛化能力。同时，针对双路径卷积神经网络，构建了预测损失函数，确保模型对源域样本保持高度的预测准确性和可靠性。通过将上述两种损失函数融合为总损失函数，并以此为指导，不断优化更新网络模型的参数。最终，当模型训练成熟后，将目标域数据送入训练好的网络模型中，以获得目标域数据集的分类标签。在公开跨地域光谱数据集上的实施结果表明，本发明方法相较于现有方法，计算效率更高，内存需求更低，同时分类性能也更有竞争力。

公开(公告)号：CN119003802A

公开(公告)日：2024-11-22

申请号：CN202411082605.X

申请日：2024-08-08

Applicant: 哈尔滨理工大学

Inventor： 谢委衡 ,  王雁冰 ,  李骜 ,  杨海陆 ,  程媛

IPC: G06F16/432 ,  G06F16/483 ,  G06F17/16 ,  G06F18/22

Abstract: 一种基于异构信息交互的多物场景下的图文匹配方法，属于多媒体信息处理中的图文匹配领域。本发明首先将数据集划分为训练集、测试集。然后，构造针对多物数据图文匹配问题的联合哈希码矩阵学习公式。然后，利用交替更新算法1对联合哈希码矩阵学习公式进行求解，得到联合哈希码矩阵B。然后，构造针对多物数据图文匹配问题的哈希函数学习公式。然后，利用交替更新算法2对哈希函数学习公式进行求解，得到哈希函数F1、F2。最后，利用上述步骤得到的联合哈希码矩阵B和哈希函数F1、F2对测试集进行测试并计算多物场景下图文匹配的平均准确率。与其他方法相比，本发明的平均准确率更高。