一種用于數據聚類的相似性網絡融合快速方法技術
【技術實現步驟摘要】
本專利技術涉及的是一種數據融合方法，具體地說，涉及的是一種用于數據聚類的相 似性網絡融合快速方法。
技術介紹
目前，智能監控視頻由于其廣闊的應用范圍吸引了大量的關注。在智能視頻技術 中，自動目標檢測與分類已經成為智能監控系統的一項主要任務。由于運動的復雜性，交錯 的背景，物體位置與視角的變化等原因，監控視頻目標分類成為一個具有挑戰性的任務。同 時，實際監控系統常常需要進行實時在線目標分類。 現有的目標分類方法之中，一些方法使用形狀與運動信息進行分類，這類方法的 速度相對較快，但是，其魯棒性也受到限制，因為目標在視頻中的形狀會隨著視角而發生變 化。另一類方法考慮得標定的數據與大量未標定的數據，半監督學習法在目標分類領域有 著更大廣泛的使用。 現有研究中，王波博士等在論文《Similarity network fusion for aggregating data types on a genomic scale》提出一種新的基于圖的數據融合方法，相似性網絡融合。 相似性網絡融合方法計算并融合從不同特征數據中獲得到相似性網絡，充分發揮不同特征 之間的互補性，用于半監督學習。該相似性網絡融合方法具有以下優點：1.基于較少量的 標定樣本；2.在不同尺度、噪聲的情況下都有良好的表現；3.可充分發揮不同類型特征數 據之間的互補性。 盡管相似性網絡融合方法有諸多優點，但由于其對于單一新樣本的分類速度相當 緩慢，因而不適用于目標在線分類?？紤]到相似性融合方法的這些限制，本專利技術提出一種基 于相似性網絡融合的快速方法。 【專利技術...
【技術保護點】
一種用于數據聚類的相似性網絡融合快速方法，其特征在于包括：相似性網絡提前訓練存儲，相似性網絡的快速融合；其中：所述相似性網絡提前訓練存儲是指利用樣本間的距離計算樣本的不同特征的相似性網絡，對于這一過程中得到的網絡進行存儲，用來做之后對新樣本所進行的相似性網絡的快速融合。
【技術特征摘要】
1. 一種用于數據聚類的相似性網絡融合快速方法，其特征在于包括：相似性網絡提前 訓練存儲，相似性網絡的快速融合；其中： 所述相似性網絡提前訓練存儲是指利用樣本間的距離計算樣本的不同特征的相似性 網絡，對于這一過程中得到的網絡進行存儲，用來做之后對新樣本所進行的相似性網絡的 快速融合。2. 根據權利要求1所述的一種用于數據聚類的相似性網絡融合快速方法，其特征在 于：所述相似性網絡提前訓練存儲，存儲了相似性網絡融合計算過程中的中間網絡，這些網 絡用于最后進行快速相似性網絡融合；同時，使用存儲下來的中間網絡，進行相似性網絡融 合模型快速計算。3. 根據權利要求1或2所述的一種用于數據聚類的相似性網絡融合快速方法，其特 征在于：所述相似性網絡的快速融合是指：對于不同特征的相似性網絡進行有效的劃分存 儲，然后進行迭代融合計算，實現快速分類。4. 根據權利要求3所述的一種用于數據聚類的相似性網絡融合快速方法，其特征在 于：所述相似性網絡的快速融合，是對添加新樣本到原訓練樣本集中進行相似性網絡的快 速融合，對于一個新樣本，同樣需要計算矩陣W，S，P，其中有很大一部分與訓練階段計算結 果十分相似，將該部分計算用訓練階段存儲的矩陣信息進行替換。5. 根據權利要求3所述的一種用于數據聚類的相似性網絡融合快速方法，其特征在 于：所述對于不同特征的相似性網絡進行有效的劃分存儲，是指：利用相似性網絡提前訓 練存儲階段存儲的矩陣，矩陣劃分方法為： 對一個（n+l)*(n+l)的矩陣劃分出左上角n*n的矩陣作為Parti，劃分出右側（n+l)*l 的矩陣作為Part II，劃分出左下方l*n的矩陣作為Partlll，其中Part I的部分都可以用 訓練階段的矩陣替換，在線分類階段實際需要計算的是Part II和Part III，測試階段的S 矩陣用下式計算，其中1彡i彡n+1 ; j = n+1，Ni表示Xi的K個近鄰，K的取值依據是具體 數據集規樽：上述矩陣劃分方法同時適用于S，P矩陣，...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。