恭喜西南大学车杭骏获国家专利权
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
龙图腾网恭喜西南大学申请的专利基于深度非负矩阵分解的多视图聚类方法、设备和介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117236014B 。
龙图腾网通过国家知识产权局官网在2025-03-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311192616.9，技术领域涉及：G06F30/20；该发明授权基于深度非负矩阵分解的多视图聚类方法、设备和介质是由车杭骏;李程潞;潘柏丞设计研发完成，并于2023-09-15向国家知识产权局提交的专利申请。
本基于深度非负矩阵分解的多视图聚类方法、设备和介质在说明书摘要公布了：本发明公开了一种基于深度非负矩阵分解的多视图聚类方法、设备和介质，包括以下具体步骤：获取图像数据，基于DMF获得图像数据的基矩阵和系数矩阵；根据基矩阵和系数矩阵构建多视图DMF模型，根据基矩阵进行特征多样性约束，基于kNN确定最优图正则化；根据多视图DMF模型、特征多样性约束和最优图正则化确定优化模型；对优化模型进行求解，确定一致性系数矩阵，采用k‑means对一致性系数矩阵进行聚类，得到聚类结果。通过使用对数损失函数去衡量深度非负矩阵分解的重建误差，在此基础上利用特征多样性学习项进行特征多样性约束，去学习一个更具判别性的表达，利用最优图学习去极大程度的减少误分的邻居数，从而提高聚类性能。
本发明授权基于深度非负矩阵分解的多视图聚类方法、设备和介质在权利要求书中公布了：1.一种基于深度非负矩阵分解的多视图聚类方法，其特征在于，包括以下具体步骤：获取图像数据，基于深度非负矩阵分解DMF获得图像数据在不同表征层上的基矩阵和系数矩阵；根据基矩阵和系数矩阵构建多视图DMF模型，根据基矩阵进行特征多样性约束，基于kNN确定最优图正则化；根据多视图DMF模型、特征多样性约束和最优图正则化确定优化模型，所述优化模型包括： 其中，Xp表示数据矩阵，表示任一视图的基矩阵，表示最后一层视图的基矩阵，表示系数矩阵，是一个元素全为1的列向量，α和β是两个权重参数，L*表示拉普拉斯矩阵；对优化模型进行求解，确定一致性系数矩阵，采用k-means对一致性系数矩阵进行聚类，得到聚类结果。
如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西南大学，其通讯地址为：400700 重庆市北碚区天生路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号