隨著數(shù)據(jù)采集技術和數(shù)據(jù)提取技術的迅猛發(fā)展,現(xiàn)實世界中獲得了大量的多視覺數(shù)據(jù)。一般來說,不同視覺的數(shù)據(jù)可以為彼此提供互補信息,這對于實際應用是很有幫助的。因此,多視覺數(shù)據(jù)分析被廣泛應用于數(shù)據(jù)挖掘,信息檢索以及多媒體等領域,多視覺聚類是多視覺學習領域的一類代表算法之一。實際應用中,由于數(shù)據(jù)采集設備的故障或者傳輸過程中的隨機噪聲的影響,經(jīng)常會出現(xiàn)某一視覺部分數(shù)據(jù)缺失的現(xiàn)象,這會直接導致現(xiàn)有多視覺數(shù)據(jù)聚類算法性能極速下降。針對這樣的數(shù)據(jù),現(xiàn)有的不完備多視覺聚類方法被提出,它們多通過線性映射補全缺失數(shù)據(jù)的子空間或系數(shù)矩陣,再將多視覺數(shù)據(jù)分成不同的簇。這些方法忽略了視覺間的空間結構,導致提取的非線性特征不能較好地刻畫多視圖數(shù)據(jù)的互補信息;沒有考慮補全視覺的多樣性及真實性,導致聚類效果不好。針對上述問題,本文通過對多視覺聚類算法和缺少補全算法進行深入分析,從不同角度對算法進行改進。本文主要內容如下:（1）針對現(xiàn)有不完整多視覺聚類算法信息浪費,計算量大,補全視覺的多樣性及真實性差等問題,本文以生成對抗網(wǎng)絡為基礎,利用多視覺數(shù)據(jù)的互補性充分學習不同視角之間的射關系,提出基于GAN的不完整多視覺聚類算法,... 

【文章來源】：西安電子科技大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：79 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 研究背景及意義
    1.2 國內外研究現(xiàn)狀
    1.3 本文研究內容及安排
第二章 基礎知識
    2.1 引言
    2.2 多視覺聚類
        2.2.1 譜聚類
        2.2.2 自動加權多圖學習
    2.3 不完整多視覺聚類
        2.3.1 基于圖正則化NMF的不完整多視覺聚類
        2.3.2 基于雙約束NMF的不完整多視覺聚類
        2.3.3 不完整多模態(tài)視覺數(shù)據(jù)聚類
    2.4 生成對抗網(wǎng)絡相關知識
        2.4.1 生成對抗網(wǎng)絡
        2.4.2 上下文自編碼器
        2.4.3 循環(huán)一致性生成對抗網(wǎng)絡
    2.5 聚類指標
        2.5.1 識別率
        2.5.2 標準互信息
        2.5.3 純度
    2.6 本章小結
第三章 基于生成對抗網(wǎng)絡的不完整多視覺聚類
    3.1 引言
    3.2 基于GAN的不完整多視覺聚類核心思想和網(wǎng)絡模型
        3.2.1 核心思想
        3.2.2 網(wǎng)絡模型
        3.2.3 目標函數(shù)
        3.2.4 網(wǎng)絡更新
    3.3 實驗仿真及結果分析
        3.3.1 實驗數(shù)據(jù)介紹
        3.3.2 實驗結果與實驗分析
    3.4 本章小結
第四章 基于一致性GAN不完整多視覺聚類
    4.1 引言
    4.2 基于一致性GAN不完整多視覺聚類算法分析
        4.2.1 核心思想
        4.2.2 網(wǎng)絡模型
        4.2.3 目標函數(shù)
        4.2.4 網(wǎng)絡更新
    4.3 實驗仿真及結果分析
        4.3.1 實驗數(shù)據(jù)介紹
        4.3.2 實驗結果與實驗分析
    4.4 本章小結
第五章 總結與展望
    5.1 總結
    5.2 展望
參考文獻
致謝
作者簡介



本文編號：3210229