摘要
本申请涉及一种图像特征选择方法、产品、计算机设备和存储介质。本申请通过将自适应图学习、非线性谱嵌入、基于正交非负分解的聚类结构挖掘项、线性特征空间学习统一到一个框架下,在该框架下,线性嵌入突出判别信息的提取,非线性嵌入强调数据内在结构的保留,同时又统一在数据的划分一致性之下。自适应图学习能够同时考虑流形数据的局部本质结构与全局聚类结构,通过引入基于正交非负分解的松弛项,低维嵌入注重保留数据的内在结构而线性特征空间学习强调数据判别信息的提取,同时二者具有相同的聚类结构,获得准确的聚类结果。
技术关键词
图像特征选择方法
聚类指示矩阵
K均值算法
原始图像数据
元素
非线性
计算机设备
KKT条件
松弛
处理器
计算机程序产品
超参数
可读存储介质
存储器
框架
系统为您推荐了相关专利信息
自动制作方法
关键帧
制作装置
媒体
物体识别技术
缺陷检测方法
缺陷类别
图像采集平台
工业生产环境
检测网络模型
车辆模型
泊车
车载系统
原始图像数据
数据处理单元