公开(公告)号：CN118887482A

公开(公告)日：2024-11-01

申请号：CN202411375132.2

申请日：2024-09-30

申请人： 青岛理工大学

发明人： 张媛媛 ,  郑浩宇 ,  吴云亭 ,  王金龙 ,  翟伟伟 ,  刘小双 ,  王爱玲 ,  崔吉福 ,  徐衍萍

IPC分类号： G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

摘要： 本发明属于多视图数据分类领域，公开了基于动态自注意胶囊网络的多视图数据分类方法及系统，包括S1、多视图特征自注意学习：对于每个视图，计算特征自注意权重和视图自注意权重，进行自注意加权，获得特征加权和视图加权后的数据特征；S2、视图自注意权重动态学习：对每个视图经过加权后的最终数据进行分类，通过样本标签类别所对应的预测概率值与视图单一权重值，样本预测概率与标签的差值动态学习视图自注意权重，得到特征矩阵；S3、数据分类：将拼接后的特征矩阵M输入到胶囊网络中，完成对样本数据的精确分类任务。本发明通过动态加权融合多视图数据中的不同信息，提升多视图学习的分类准确性。

公开(公告)号：CN118861741A

公开(公告)日：2024-10-29

申请号：CN202411365068.X

申请日：2024-09-29

申请人： 青岛理工大学

发明人： 张媛媛 ,  孟晓琨 ,  吴云亭 ,  王金龙 ,  孟凡云 ,  翟伟伟 ,  刘小双 ,  王爱玲 ,  徐衍萍

IPC分类号： G06F18/23213 ,  G06F18/2113 ,  G06F18/2337 ,  G06N3/0455 ,  G06F18/2136 ,  G06F18/22 ,  G06F18/10

摘要： 本发明属于数据处理技术领域，涉及一种用于高维稀疏传感器数据的子空间聚类方法。该方法包括以下步骤：对初始传感器数据进行预处理，包括数据清洗、数据插补，并进行高信息量特征筛选和特征子集划分；针对高信息量特征，使用特征降噪变分自编码器学习，获得隐藏高斯变量；针对多个特征子集，对不同的子空间特征置信度动态学习，在考虑数据特征的拓扑结构的基础上学习各个子集的特异性分布，进而获取具有拓扑信息的特异结构分布；使用互监督协同深度聚类策略，进行结构特性和特征信息之间的充分融合，以及不同特征子集学习到的特异性信息之间相互指导，最终得到聚类结果。本发明的方法具有泛化性和鲁棒性，适应多种复杂的生产环境和数据类型。