Xi'an Institute of Optics and Precision Mechanics,CAS
| 基于子空间聚类的凸非负矩阵分解方法 | |
| 其他题名 | 基于子空间聚类的凸非负矩阵分解方法 |
李学龙 ; 崔国盛; 董永生
| |
| 2018-12-21 | |
| 专利权人 | 中国科学院西安光学精密机械研究所 |
| 公开日期 | 2018-08-17 |
| 授权国家 | 中国 |
| 专利类型 | 发明专利 |
| 产权排序 | 1 |
| 摘要 | 本发明公开了一种基于子空间聚类的凸非负矩阵分解方法，其实现步骤是：(1)将原始数据库中图像拉成向量构成原始数据矩阵；(2)对原始数据矩阵进行基于谱聚类的凸非负矩阵分解，利用两种优化方法进行求解，得到基矩阵和编码矩阵；(3)对编码矩阵进行k‑means聚类算法的聚类测试，统计实验结果，计算聚类精度和归一化互信息两个度量准则。本发明与现有方法相比，发掘并利用了数据内部的子空间结构信息，同时对算法施加的局部子空间约束增强了算法的鲁棒性，提高了图像聚类效果；可广泛应用于数据挖掘，数据分析领域。 |
| 主权项 | 基于子空间聚类的凸非负矩阵分解方法，其特征在于，包括以下步骤： 首先，将图像样本集中的图像拉成向量构成原始数据矩阵X； 然后，将原始数据矩阵X在子空间聚类指导的凸非负矩阵分解框架下进行分解，图正则项使子空间聚类重构误差项与凸非负矩阵分解重构误差项相关联，迭代求解得到编码矩阵V，作为原始数据矩阵X的降维表示，即完成凸非负矩阵分解。 |
| 学科领域 | G06f17/16 |
| 学科门类 | G06 |
| 授权日期 | 2018-12-21 |
| DOI | G06F17 |
| 申请日期 | 2018-02-13 |
| 专利号 | CN201810150321.8 |
| 语种 | 中文 |
| 专利状态 | 申请中 |
| 申请号 | CN201810150321.8 |
| PCT属性 | 否 |
| 公开（公告）号 | CN108415883A |
| IPC 分类号 | G06F17/16 ; G06K9/62 |
| 专利代理人 | 胡乐 |
| 代理机构 | 西安智邦专利商标代理有限公司 |
| 引用统计 | |
| 文献类型 | 专利 |
| 条目标识符 | http://ir.opt.ac.cn/handle/181661/31034 |
| 专题 | 热控技术研究室_其它单位_其它部门 |
| 作者单位 | 中国科学院西安光学精密机械研究所 |
| 第一作者单位 | 中国科学院西安光学精密机械研究所 |
| 推荐引用方式 GB/T 7714 | 李学龙,崔国盛,董永生. 基于子空间聚类的凸非负矩阵分解方法. CN201810150321.8[P]. 2018-12-21. |
| 条目包含的文件 | ||||||
| 文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
| 2018101503218.pdf（2074KB） | 专利 | 限制开放 | CC BY-NC-SA | 请求全文 | ||
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [李学龙]的文章 |
| [崔国盛]的文章 |
| [董永生]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [李学龙]的文章 |
| [崔国盛]的文章 |
| [董永生]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [李学龙]的文章 |
| [崔国盛]的文章 |
| [董永生]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论