龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
摘要：一种基于标志点与张量多维图学习的非全面多视角人脸图像聚类方法，属于多媒体信息处理中的人脸图像聚类处理领域，本发明首先提取每个视角中的存在样本，并从这些存在样本中学习视角特定标志点，以表示包括非全面样本在内的所有样本的分布。再利用直接交替采样方法选择标志点，构建视角特定的标志点图，然后对每个视角的标志点图进行正交非负矩阵分解，得到视角特定的软指示矩阵。将各视角的软指示矩阵堆叠成张量，通过最小化张量Schattenp‑范数来捕捉视角间的高阶相关性和互补信息。通过统一的二分图框架和张量低秩约束，有效处理视角间的不完全性，再将每个视角的软指示矩阵进行融合，得到最终的共识指示矩阵。利用奇异值分解和K均值聚类对其进行聚类分析，得到最终聚类结果。以此促进模型的自适应性和鲁棒性。与其他方法相比，本发明的精确度更高，性能更加稳健。
主权项：1.一种基于标志点与张量多维图学习的非全面多视角人脸图像聚类方法，其特征在于，所述方法包括步骤：对非全面多视角人脸图像数据集提取每个视角中的存在样本；从存在样本中学习视角限定标志点，以表示包括非全面样本在内的所有样本的分布，采用直接交替采样方法选择标志点，构建视角限定的标志点图；对每个视角的标志点图进行正交非负矩阵分解，得到视角限定的软指示矩阵；将各视角的软指示矩阵堆叠成张量，通过最小化张量Schattenp-范数来捕捉视角间的高阶相关性和互补信息；通过统一的二分图框架和张量低秩约束，有效处理视角间的非全面性，再将每个视角的软指示矩阵进行融合得到最终的共识指示矩阵；对所得的共识指示矩阵进行奇异值分解，并选取左奇异向量的前c个分量进行K均值聚类c是类簇个数，得到最终聚类结果，最后对最终聚类结果计算其聚类准确率。
全文数据：
权利要求：
百度查询： 哈尔滨理工大学 一种基于标志点与张量多维图学习的非全面多视角人脸图像聚类方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号