(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210264054.3 (22)申请日 2022.03.17 (71)申请人 湖南工商大 学 地址 410205 湖南省长 沙市河西望城 坡 (72)发明人 李晓翠　张新玉　史庆宇　 (74)专利代理 机构 长沙轩荣专利代理有限公司 43235 专利代理师 丁耀鹏 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) (54)发明名称 基于共有差异学习的深度多视图聚类方法、 系统及设备 (57)摘要 本公开实施例中提供了一种基于共有差异 学习的深度多视图聚类方法、 系统及设备， 属于 数据处理技术领域， 具体包括： 建立共有差异深 度多视图特征学习网络； 将多视图数据的每个视 图分别连接共有信息提取网络和差异信息提取 网络； 将多视图数据的全部视图的共有信息提取 网络输入共有信息学习模块进行训练直至收敛； 将多视图数据的全部视图的共有信息提取网络 和差异信息提取网络输入差异信息学习模块， 通 过正交约束得到多视图数据的每个视图的互补 性特征； 将一致性特征和全部互补性特征串 联形 成多视图融合特征； 将多视图融合特征输入基于 KL散度的聚类模型进行聚类。 通过本公开的方 案， 提高了多视图数据初始特严重不均衡的情况 下的聚类效果和适应性。 权利要求书2页 说明书9页 附图4页 CN 114742132 A 2022.07.12 CN 114742132 A 1.一种基于共有差异学习的深度多视图聚类方法， 其特 征在于， 包括： 步骤1， 建立共有差异深度多视图特征学习网络， 其中， 所述共有差异深度多视 图特征 学习网络包括深度特征提取模块、 共有信息学习模块和差异信息学习模块， 所述深度特征 提取模块包括共有信息提取网络和差异信息提取网络； 步骤2， 获取多视图数据， 并将所述多视图数据的每个视图分别连接所述共有信 息提取 网络和所述差异信息提取网络； 步骤3， 将所述多视 图数据的全部视 图的共有信息提取网络输入共有信息学习模块进 行训练直至收敛， 得到所述多视图数据的一 致性特征； 步骤4， 将所述多视 图数据的全部视 图的共有信息提取网络和差异信息提取网络输入 差异信息学习模块， 通过正交约束得到所述多视图数据的每 个视图的互补性特 征； 步骤5， 将所述 一致性特征和全部所述互补性特 征串联形成多视图融合特 征； 步骤6， 将所述多视图融合特 征输入基于KL散度的聚类模型进行聚类。 2.根据权利要求1所述的方法， 其特征在于,所述共有信息学习模块包括生成对抗网 络。 3.根据权利要求2所述的方法， 其特 征在于,所述 步骤3具体包括： 步骤3.1， 所述共有信息学习模块将每个视图上的共有信息提取网络作为一个生成器 G， 最终得到 M个生成器； 步骤3.2， 将M个生成器生成的特 征数据， 传入到 M分类的鉴别器D中； 步骤3.3， 重复步骤3.1和步骤3.2， 直到鉴别器无法区分特征数据对应的视图， 得到所 述一致性特征。 4.根 据 权 利 要 求 1 所 述 的 方 法 ， 其 特 征 在 于 ,所 述 步 骤 5 的 串 联 方 式 为 其中， hi表示第m个视图中的第i个样本的多视图融合特 征， 和 分别表示在视图m上提取到的共有信息和差异信息 。 5.根据权利要求1所述的方法， 其特 征在于,所述 步骤6具体包括： 将所述多视 图融合特征输入基于KL散度的聚类模型迭代训练所述共有差异深度多视 图特征学习网络和聚类网络， 对所述多视图数据完成聚类。 6.一种基于共有差异学习的深度多视图聚类系统， 其特 征在于， 包括： 建立模块， 用于建立共有差异深度多视图特征学习网络， 其中， 所述共有差异深度多视 图特征学习网络包括深度特征提取模块、 共有信息学习模块和差异信息学习模块， 所述深 度特征提取模块包括共有信息提取网络和差异信息提取网络； 获取模块， 用于获取多视 图数据， 并将所述多视 图数据的每个视 图分别连接所述共有 信息提取网络和所述差异信息提取网络； 第一学习 模块， 用于将所述多视图数据的全部视图的共有信 息提取网络输入共有信 息 学习模块进行训练直至收敛， 得到所述多视图数据的一 致性特征； 第二学习 模块， 用于将所述多视图数据的全部视图的共有信 息提取网络和差异信 息提 取网络输入差异信息学习模块， 通过正交约束得到所述多视图数据的每个视图的互补性特 征； 融合模块， 用于将所述 一致性特征和全部所述互补性特 征串联形成多视图融合特 征；权　利　要　求　书 1/2 页 2 CN 114742132 A 2聚类模块， 用于将所述多视图融合特 征输入基于KL散度的聚类模型进行聚类。 7.一种电子设备， 其特 征在于， 所述电子设备包括： 至少一个处 理器； 以及， 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的指令， 所述指令被所述至少一个处 理器执行， 以使所述至少一个处理器能够执行前述权利要求1 ‑5中任一项所述的基于共有 差异学习的深度多视图聚类方法。权　利　要　求　书 2/2 页 3 CN 114742132 A 3