公开(公告)号：CN109886315A

公开(公告)日：2019-06-14

申请号：CN201910085067.2

申请日：2019-01-29

Applicant: 电子科技大学

Inventor： 康昭 ,  陆啸 ,  陈文宇 ,  苏元章

IPC: G06K9/62

Abstract: 本发明提出了一种基于核保持的图像相似性度量方法，首先定义损失函数，然后通过定义核函数简化损失函数，并在损失函数中增加正则化函数得到完整的目标函数，最后优化和求解目标函数得到最终的重构变换矩阵，并采用准确率和正则化互信息量两个指标衡量最终的重构变换矩阵性能。该方法通过定义核函数最小化重构误差并对原始图像数据样本进行相似性学习，使得图像数据样本之间的相似性信息保留了更好的全局关系，基于该相似性信息，利用谱聚类算法对图像进行更准确的聚类。本发明具有通用性，可用于聚类、分类、推荐系统等问题，为基于相似性学习的方法提供了一种有效的基础模块，同时在图像映射至低维的应用中也有非常大的潜力。

公开(公告)号：CN109886315B

公开(公告)日：2022-05-03

申请号：CN201910085067.2

申请日：2019-01-29

Applicant: 电子科技大学

Inventor： 康昭 ,  陆啸 ,  陈文宇 ,  苏元章

IPC: G06V10/74 ,  G06V10/762 ,  G06K9/62

Abstract: 本发明提出了一种基于核保持的图像相似性度量方法，首先定义损失函数，然后通过定义核函数简化损失函数，并在损失函数中增加正则化函数得到完整的目标函数，最后优化和求解目标函数得到最终的重构变换矩阵，并采用准确率和正则化互信息量两个指标衡量最终的重构变换矩阵性能。该方法通过定义核函数最小化重构误差并对原始图像数据样本进行相似性学习，使得图像数据样本之间的相似性信息保留了更好的全局关系，基于该相似性信息，利用谱聚类算法对图像进行更准确的聚类。本发明具有通用性，可用于聚类、分类、推荐系统等问题，为基于相似性学习的方法提供了一种有效的基础模块，同时在图像映射至低维的应用中也有非常大的潜力。