一种基于自律学习SDL模型的聚类方法

摘要

本发明涉及信息处理领域中的一种基于自律学习SDL模型的聚类方法，其特征在于：被聚类的特征向量之间依照概率空间距离的尺度，每一类的聚类结果依照概率空间的最大概率尺度在函数映射与函数高斯分布的效果上取得聚类的最佳解。本方法的特点是：SDL模型的聚类可以考虑函数映射模型与函数高斯分布模型的融合，可以仿真深度学习的函数映射模型，实现高精度识别图像的能力，同时，又可以实现函数高斯分布模型的高度的泛化能力。本方法没有黑箱问题，不需要大的硬件支持，不需要大数据的标注，仅仅通过小数据的训练就可，因此性能高，导入成本低，便于大量普及。