公开(公告)号：CN118194070A

公开(公告)日：2024-06-14

申请号：CN202410349449.2

申请日：2024-03-26

Applicant: 海南大学

Inventor： 唐湘滟 ,  李继梅

IPC: G06F18/23213 ,  G06F18/15 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/0895

Abstract: 本申请涉及神经网络模型训练技术领域，公开一种聚类模型的训练方法，包括：从公开数据集获取数据，得到邻接矩阵和属性矩阵；对邻接矩阵进行归一化处理，并对属性矩阵分批进行奇异值分解，得到低秩属性矩阵；基于归一化邻接矩阵和低秩属性矩阵，训练聚类模型。该方法在聚类模型训练过程中，无需进行预训练。且采用矩阵分解的方式，可以在不破坏数据结构的情况下，使聚类模型更好地捕捉每个视图的独特信息，以提高聚类性能。此外，批处理的低秩奇异值分解操作，在处理稀疏数据集上表现优异，该操作可以处理大数据集，对数据的增强不会丢失重要信息，还可以有效提取数据中的潜在信息。本申请还公开一种聚类模型的训练装置及设备、存储介质。