买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：桂林电子科技大学

摘要：本发明是一种基于目标引导性表示学习的单分子电输运信号深度聚类方法，涉及单分子电输运数据分析领域。设计一个由自编码器和K均值聚类组合而成的深度聚类框架，其中自编码器的编码器与解码器均为多层感知器；使用基于序列化模型的神经架构搜索方法找到重建误差最小的编码器与解码器最优结构，作为后续联合训练的自编码器结构；将自编码器的重建损失与K均值聚类损失联合构成深度聚类网络的联合损失函数；将待聚类的单分子电输运信号输入深度聚类网络，进行联合训练直至联合损失收敛；使用轮廓系数及Davies‑Bouldin指数作为该聚类方法的评价指标。本发明应用在单分子电输运信号聚类，为单分子电子学基础研究及应用研究提供了有效的数据方法支撑。

主权项：1.一种基于目标引导性表示学习的单分子电输运信号深度聚类方法，其特征在于，在自编码器结合传统聚类这一深度聚类框架的下，通过神经架构搜索NeuralArchitectureSearch，NAS自动选择最适合用于单分子电输运信号表示学习的深度神经网络结构，在深度聚类过程中采取联合训练策略，即将表示学习损失联合到聚类损失中，利用聚类目标引导表示学习，从而过滤掉噪声特征，学习到聚类友好的相关特征，提高聚类效率和准确性。具体包括以下步骤：1构建深度聚类框架。设计一个由自编码器和K均值聚类组合而成的深度聚类框架，其中自编码器的编码器和解码器均采用多层感知器；2搜索最优自编码器结构。设置一个自编码器结构搜索空间，然后将待聚类的单分子电输运信号输入自编码器进行重建训练，使用基于序列化模型的神经架构搜索方法找到重建误差最小的编码器与解码器最优结构，作为后续联合训练的自编码器结构；3构建深度聚类联合损失函数。将自编码器的重建损失与K均值聚类损失联合构成深度聚类网络DeepClusteringNetwork，DCN的联合损失函数；4深度聚类迭代训练。使用2中得到的结构初始化自编码器结构，将待聚类的单分子电输运信号输入DCN网络，随后进行联合训练直至联合损失收敛；5聚类结果评估。使用轮廓系数SilhouetteCoefficient，SC及戴维森堡丁指数Davies-Bouldinindex，DBI作为该聚类方法的评价指标，选取SC最大且DBI指数最小的聚类结果作为数据的分类结果。

全文数据：

权利要求：

百度查询： 桂林电子科技大学 一种基于目标引导性表示学习的单分子电输运信号深度聚类方法