一种基于卷积神经网络的无监督多模态子空间聚类方法

摘要

本发明中提出的一种基于卷积神经网络的无监督多模态子空间聚类方法，其主要内容包括：多模态编码器、自表达层和多模态译码器，其过程为，对于输入的多模态数据，先用编码器实现空间融合，通过空间融合网络将其融合到潜在的空间表示中，然后将融合的结果输入自表达层，利用自表达性在潜在空间对联合表示进行编码，最后，由自表达层的输出所产生的联合表示输入到多模态解码器中，对不同的模态进行重构，得到最后的聚类结果。本发明解决了以往的子空间聚类方法依赖于模态之间的空间对应关系且会增加数据维度的问题，能够利用模态的自表达性获得联合表示，并提高子空间聚类的准确度。