[发明专利]对象特征矩阵确定方法、装置、设备和存储介质

权利要求书

1.一种对象特征矩阵确定方法，其特征在于，包括：

获取对象数据集中各种类型对象的异质特征关联矩阵和对应的关联关系指示矩阵，以及各种类型对象的多层属性异质网络矩阵；

基于所述异质特征关联矩阵和对应的所述关联关系指示矩阵构建异质特征关联函数；

基于所述多层属性异质网络矩阵构建属性异质网络函数；

基于所述异质特征关联函数和所述属性异质网络函数，构建最小化目标函数；

基于所述最小化目标函数计算各种类型对象的低秩特征矩阵；

采用所述低秩特征矩阵重构所述对象数据集中各种类型对象的对象特征矩阵。

2.根据权利要求1所述的方法，其特征在于，还包括：

基于所述异质特征关联函数中的第一权重矩阵构建第一约束函数；

基于所述属性异质网络函数中的第二权重矩阵构建第二约束函数；

基于所述异质特征关联函数和所述属性异质网络函数，构建最小化目标函数，包括：

基于所述异质特征关联函数、所述属性异质网络函数、所述第一约束函数和所述第二约束函数，构建所述最小化目标函数。

3.根据权利要求2所述的方法，其特征在于，还包括：构建未知噪声关联约束函数；

基于所述异质特征关联函数、所述属性异质网络函数、所述第一约束函数和所述第二约束函数，构建所述最小化目标函数，包括：

基于所述异质特征关联函数、所述属性异质网络函数、所述第一约束函数、所述第二约束函数和所述未知噪声关联约束函数，构建所述最小化目标函数。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述基于所述最小化目标函数确定各种类型对象的低秩特征矩阵，包括：

采用交替方向乘子法对所述最小化目标函数进行求解，确定各种类型对象的低秩特征矩阵。

5.根据权利要求4所述的方法，其特征在于，所述采用交替方向乘子法对所述最小化目标函数进行求解，包括：

采用所述交替方向乘子法依次交替求解所述最小化目标函数中的第一权重矩阵，第二权重矩阵，低秩特征矩阵，异质关联网络矩阵，以及各个多层属性异质网络矩阵的基矩阵，直至达到预设的迭代次数或者收敛。

6.根据权利要求5所述的方法，其特征在于，采用所述交替方向乘子法依次交替求解所述最小化目标函数中的第一权重矩阵，第二权重矩阵，低秩特征矩阵，异质关联网络矩阵，以及多层属性异质网络矩阵的基矩阵，包括：

设置所述第一权重矩阵、所述第二权重矩阵、所述低秩特征矩阵和所述异质关联网络矩阵为固定值，对所述多层属性异质网络矩阵的基矩阵求第一偏导，在所述第一偏导值为零时，确定所述多层属性异质网络矩阵的基矩阵；

设置所述第一权重矩阵、所述第二权重矩阵、所述低秩特征矩阵和多层属性异质网络矩阵的基矩阵为固定值，对所述异质关联网络矩阵求第二偏导，在所述第二偏导值为零时，确定所述异质关联网络矩阵；

设置所述第一权重矩阵、所述第二权重矩阵、所述异质关联网络矩阵和多层属性异质网络矩阵的基矩阵为固定值，对所述低秩特征矩阵求第三偏导，在所述第三偏导值为零时，确定所述低秩特征矩阵；

设置所述第一权重矩阵、所述低秩特征矩阵、所述异质关联网络矩阵和所述多层属性异质网络矩阵的基矩阵为固定值，对所述第二权重矩阵求第四偏导，在所述第四偏导值为零时，确定所述第二权重矩阵；

设置所述第二权重矩阵、所述低秩特征矩阵、所述异质关联网络矩阵和所述多层属性异质网络矩阵的基矩阵为固定值，对所述第一权重矩阵求第五偏导，在所述第五偏导值为零时，确定所述第一权重矩阵。

7.根据权利要求1-3任一项所述的方法，其特征在于，所述对象数据集为图像数据集，所述对象数据集中的对象为图像。