首页> 中国专利> 一种多约束自适应图学习的鲁棒非负矩阵分解方法及系统

一种多约束自适应图学习的鲁棒非负矩阵分解方法及系统

页面导航

摘要
著录项
法律信息
相似文献

摘要

本发明涉及一种多约束自适应图学习的鲁棒非负矩阵分解方法及系统。该方法包括：获取数据集；根据所述数据集，构建基于L21‑范数度量函数的非负矩阵分解模型；根据所述数据集，构建基于低维特征的多约束自适应图学习模型，所述多约束包括稀疏约束和局部约束；基于自适应图结构，构建拉普拉斯图正则化项；根据所述非负矩阵分解模型、多约束自适应图学习模型和拉普拉斯图正则化项，构建多约束自适应图学习的鲁棒非负矩阵分解模型的目标函数；采用迭代优化的方法求解所述目标函数，当迭代次数到达阈值时，输出目标函数的解。本发明能够从高维数据中提取有用的信息降低计算的复杂性以及能够提高图形结构的判别性。

著录项

公开/公告号CN115577564A

专利类型发明专利
公开/公告日2023-01-06

原文格式PDF
申请/专利权人江西师范大学;
展开▼

申请/专利号CN202211409450.7
发明设计人易玉根;王建中;王文乐;曹远龙;陈智毅;
展开▼

申请日2022-11-11
分类号G06F30/20;G06F17/15;G06F17/16;G06F111/04;
代理机构北京一枝笔知识产权代理事务所(普通合伙);
代理人李镇
地址 330027 江西省南昌市紫阳大道99号
入库时间 2023-06-19 18:14:35

法律信息

法律状态公告日

法律状态信息

法律状态
2023-01-06

公开

发明专利申请公布

相似文献

专利
中文文献
外文文献

1. 基于鲁棒对称非负矩阵分解的自适应图聚类方法和装置 [P] . 中国专利： CN115062707A . 2022-09-16
2. 一种基于正交鲁棒非负矩阵分解的图节点聚类方法 [P] . 中国专利： CN110837863A . 2020-02-25
3. Non-negative matrix factorization face recognition method and system based on kernel machine learning [P] . 美国专利： US10679040B2 . 2020-06-09

机译：基于核机器学习的非负矩阵分解人脸识别方法及系统
4. METHOD AND SYSTEM FOR FACE RECOGNITION BY MEANS OF DICTIONARY LEARNING BASED ON KERNEL NON-NEGATIVE MATRIX FACTORIZATION, AND SPARSE FEATURE REPRESENTATION [P] . 世界知识产权组织专利： WO2018149133A1 . 2018-08-23

机译：基于核非负矩阵分解和稀疏特征表示的基于字典学习的人脸识别方法和系统
5. NON-NEGATIVE MATRIX FACTORIZATION FACE RECOGNITION METHOD AND SYSTEM ON THE BASIS OF KERNEL MACHINE LEARNING [P] . 世界知识产权组织专利： WO2017166933A1 . 2017-10-05

机译：基于核机器学习的非负矩阵分解面识别方法及系统