[發明專利]一種利用適應性相似結構規則化進行局部多模態稀疏編碼補全的方法

在審

• 申請號: 201711230589.4
• 申請日: 2017-11-29
• 公開（公告）號: CN108038080A
• 公開（公告）日: 2018-05-15
• 發明（設計）人: 趙洲;孟令濤;高天祥;蔡登;何曉飛;莊越挺
• 申請（專利權）人: 浙江大學
• 主分類號: G06F17/15
• 分類號: G06F17/15;G06F17/16
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 鄭海峰

本發明公開了一種利用適應性相似結構規則化進行局部多模態稀疏編碼補全的方法。主要包括如下步驟：1)針對于已有的局部多模態數據結合概率鄰居矩陣的方法得到利用適應性相似結構規則化進行局部多模態稀疏編碼補全的最終目標函數。2)針對于獲得的目標函數，利用相應的優化算法學習概率鄰居P、統一稀疏編碼α與多模態基向量詞典D，從而獲得最終的稀疏編碼。相比于一般的稀疏編碼解決方案，本發明能夠合理利用局部多模態數據，并產生更加符合相似性要求的稀疏編碼。本發明在稀疏編碼問題中所取得的效果相比于傳統的方法更好。

技術領域

本發明涉及稀疏編碼補全，尤其涉及一種利用適應性相似結構規則化進行局部多模態稀疏編碼補全的方法。

背景技術

隨著互聯網的發展，許多互聯網應用開始包含多模態的數據，例如同時包含網頁圖片與相關文本的數據。于是針對于多模態數據的多模態稀疏編碼技術便成為了一種重要的技術。稀疏編碼技術的目的是針對于多模態數據僅利用較少的編碼系數來表示。

現有的技術主要是通過利用帶有l1懲罰項的稀疏編碼規則化的方法來進行多模態數據的重建從而完成稀疏編碼并且通過多模態數據映射函數學習的方法來保留模型相關性。但是，在實際情況下，一般許多模態下的數據是不完整的，從而導致局部多模態數據的問題。

本發明將采用一種利用適應性相似結構規則化來進行局部多模態稀疏編碼補全的方法，本方法將同時進行部分多模態相似結構學習與統一稀疏編碼。本方法將通過學習出一個相似推斷概率鄰居，在其中將會把不同模態下數據的相似性計算出來。

發明內容

本發明的目的在于解決現有技術中的問題，為了克服現有技術中對于局部多模態數據缺乏特別關注的問題，本發明提供一種利用適應性相似結構規則化進行局部多模態稀疏編碼補全的方法。本發明所采用的具體技術方案是：

利用適應性相似結構規則化進行局部多模態稀疏編碼補全，包含如下步驟：

1、利用當前已有的局部多模態的數據，構建稀疏編碼的基本目標函數。

2、引入概率鄰居矩陣的方法同時學習出數據相似性矩陣與稀疏編碼。結合構建的稀疏編碼基本目標函數構建利用適應性相似結構規則化進行局部多模態稀疏編碼補全的最終目標函數。

3、利用優化算法學習概率鄰居P、統一稀疏編碼α與多模態基向量詞典D。

上述步驟可具體采用如下實現方式：