视觉特征融合及其在无监督聚类任务支撑中的应用

在视觉分析应用中，将用户置于回路中的概念指的是在机器学习与数据挖掘任务中用用户知识替代启发式方法的能力。在有监督任务中，用户通过操纵训练数据来参与。然而，在无监督任务中，用户的参与仅限于更改算法参数化或输入数据表示（即特征）。依据应用领域不同，可从原始数据中提取不同类型的特征。因此，无监督算法的结果严重依赖于所采用特征的类型。由于不存在完美的特征提取器，组合不同特征已在称为特征融合的过程中得到探索。当机器学习或数据挖掘任务具有代价函数时，特征融合是直接的。但当此类函数不存在时，需要提供用户对组合的支持，否则该过程不切实际。本文提出一种新颖的特征融合方法，其使用小数据样本让用户不仅能够轻松控制不同特征集的组合，还能解释所得结果。我们方法的有效性通过一套全面的定性与定量测试得到证实，开启了尚未涵盖的不同用户引导分析场景的可能性。我们的方法为特征融合提供实时反馈的能力在无监督聚类技术背景下得到利用，其中所形成的簇反映了特征组合的语义。