買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉北京工業大學申請的專利一種多視子空間聚類方法及裝置獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN112418319B 。

龍圖騰網通過國家知識產權局官網在2025-08-22發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202011330698.5，技術領域涉及：G06F18/23；該發明授權一種多視子空間聚類方法及裝置是由孫艷豐;郭繼鵬;胡永利設計研發完成，并于2020-11-24向國家知識產權局提交的專利申請。

本一種多視子空間聚類方法及裝置在說明書摘要公布了：一種多視子空間聚類方法及裝置，能夠充分利用多視數據之間的互補性信息，并且保證自表示矩陣的聚類結構一致性，在聚類性能上具有很大的提升。方法包括：1獲取原始數據集的多視特征矩陣2對于給定的多視數據Xv，根據低秩自表示子空間聚類方法,對每個視數據的表示系數矩陣Zv分別進行低秩約束和秩結構一致性約束,構建基于低秩矩陣分解和秩結構一致性約束的多視子空間聚類模型；3對于構造的多視子空間聚類模型，采用交替方向乘子法求解優化問題，得到秩結構一致的多視自表示系數矩陣；4將多視自表示系數矩陣融合得到關聯矩陣W，對關聯矩陣W執行譜聚類得到最后的聚類結果。

本發明授權一種多視子空間聚類方法及裝置在權利要求書中公布了：1.一種多視子空間聚類方法，其特征在于：該方法應用于圖像處理領域，對多視數據進行聚類，多視數據是指由多個不同視角的數據特征描述同一樣本，該方法包括以下步驟： 1獲取原始數據集的多視特征矩陣 2對于給定的多視數據Xv，根據低秩自表示子空間聚類方法，對每個視數據的表示系數矩陣Zv分別進行低秩約束和秩結構一致性約束，構建基于低秩矩陣分解和秩結構一致性約束的多視子空間聚類模型； 3對于構造的多視子空間聚類模型，采用交替方向乘子法求解優化問題，得到秩結構一致的多視自表示系數矩陣； 4將多視自表示系數矩陣融合得到關聯矩陣W，對關聯矩陣W執行譜聚類得到最后的聚類結果； 所述步驟2中，對于每個視的自表示系數矩陣進行矩陣分解，并且 所述步驟1中，對于所述原始數據集中的每個樣本，采用不同的特征提取器提取不同類型的數據特征，進而組成多視數據特征矩陣v∈{1，2，…，V}，其中n是數據集樣本個數，V是多視個數，dv是第v視數據特征的維度； 所述步驟2中，所述基于秩結構一致性的多視子空間聚類模型為： s.t.Xv＝XvZv+Ev，rankZ1＝…＝rankZV≤k， 其中Zv∈Rn×n是第v視的低秩表示系數矩陣，擬合第v視數據特征的噪聲，λ是正則化參數平衡低秩項和噪聲稀疏項的重要性，rankZ1＝…＝rankZV≤k是秩一致性結構約束，保證多視自表示系數矩陣的結構一致性，k是低秩表示系數矩陣的秩上界，k＜＜n；所述步驟2的矩陣分解中，||Zv||*＝||C||*，rankZv＝rankC對于任意的視v；得到便于優化求解得模型為： s.t.Xv＝XvZv+Ev，其中，視特定的表示系數矩陣被分解為三矩陣相乘，并且左右矩陣正交，中間共享一個公共的核矩陣C，保證自表示系數矩陣的結構一致性，并且能夠最大化挖掘互補信息提升聚類效果； 所述步驟3中，采用交替方向乘子法求解公式2得到秩結構一致的多視自表示系數矩陣，公式2的增廣拉格朗日函數為 其中A，B表示矩陣A和B的內積，μ是懲罰系數，是拉格朗日乘子；交替優化上述增廣拉格朗日函數中的所有變量直至收斂； 所述步驟3中，交替優化上述增廣拉格朗日函數中的所有變量直至收斂的步驟為： 固定其他變量，更新Lv： 固定其他變量，更新Rv： 固定其他變量，更新C： 固定其他變量，更新Zv： 固定其他變量，更新Ev： 固定其他變量，更新拉格朗日乘子和懲罰系數： 其中 重復執行上述變量更新步驟直到達到收斂條件： 得到用于最后融合聚類的視特定的表示系數矩陣Zv； 所述步驟4中，對于視特定的表示系數矩陣Zv進行融合，得到最后的關聯矩陣W進行譜聚類獲得聚類結果：

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人北京工業大學，其通訊地址為：100124 北京市朝陽區平樂園100號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。