一种基于非负矩阵分解的多模态鲁邦特征学习模型

摘要

一种基于非负矩阵分解的多模态鲁邦特征学习模型，属于计算机技术领域。首先，对多模态数据集进行归一化和特殊值预处理。其次，将各模态数据在低维共享空间中进行重构，利用图正则化思想，对数据空间上的几何空间进行拟，同时引入噪声矩阵为数据空间中去除噪声，构建基于非负矩阵分解的多模态鲁棒特征学习模型。再次，根据模型优化结果，依次更新各个模态的映射矩阵和所有模态的共享特征矩阵，更新噪声矩阵，更新模态权重因子。最后，判断本次模型值和上一次模型值之间的差异，迭代更新第三步直至满足模型收敛条件。本发明依照上述步骤推导出了一种行之有效的模型来解决含有噪声的多模态数据特征学习问题。通过大量实验验证，本发明所得到的数据表示性能优于现阶段相关模型。