基于层次原型多视图学习的影像识别方法、系统和设备

本申请涉及一种基于层次原型多视图学习的影像识别方法、系统和设备。所述方法包括：构建多层原型模型；初始化多层原型模型，将多视图影像样本集输入初始化后的多层原型模型，根据多视图影像样本集中的原始数据与底层原型矩阵的样本‑原型关联关系，相邻层原型矩阵的映射关系以及各层跨层共识原型图的结构约束构建目标函数；求解目标函数，输出优化后的样本‑原型相似图和跨层共识原型图；对多层原型模型中优化后的样本‑原型相似图和跨层共识原型图进行融合再通过谱聚类处理得到多视图影像样本集的聚类结果。采用本方法能够有效提升图像聚类的准确性与稳定性，增强影像识别结果的可解释性与可信度。