本发明提出一种多视角强化图像聚类方法,属于图像聚类与强化学习领域,包括:1)预训练各视角独立的特征提取网络,初始化各视角的潜在特征空间;2)预训练多视角特征融合网络,初始化各视角的融合特征空间;3)采用K‑means方法初始化聚类环境,并为环境中的聚类原型分配伯努利单元;4)利用在线奖赏策略实时分配随机奖赏,动态更新环境中的伯努利单元;5)更新参数,迭代优化聚类原型直到满足收敛条件,完成多视角强化聚类过程。本发明采用在线奖赏策略联合学习融合表征和调整集群,充分将视角间的互补信息以及样本与聚类原型间的交互信息作用于聚类分析的过程中,有效提升聚类性能。
声明:
“多视角强化图像聚类方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)