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！

龙图腾网恭喜电子科技大学(深圳)高等研究院申请的专利一种增量深度的多视图聚类方法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：CN119169331B 。

龙图腾网通过国家知识产权局官网在2025-03-25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：202411663836.X，技术领域涉及：G06V10/762；该发明授权一种增量深度的多视图聚类方法是由任亚洲;彭金凤;陈新越;蒲晓蓉设计研发完成，并于2024-11-20向国家知识产权局提交的专利申请。

本一种增量深度的多视图聚类方法在说明书摘要公布了：本申请公开了一种增量深度的多视图聚类方法，包括：利用变分自编码器提取多视图数据的潜在变量，基于潜在变量得到重构数据，并基于重构数据计算变分自编码器的损失函数的第一损失值；若第一损失值小于第一预设阈值，则利用当前潜在变量更新DPMM模型的聚类参数，得到更新后的DPMM模型输出的聚类标签；将更新后的聚类标签加入变分自编码器的损失函数，得到总损失函数，若总损失函数的第二损失值小于第二预设阈值，则将聚类标签作为多视图数据的聚类结果输出。本申请能够更好地捕捉不同视图数据的复杂分布，使得DPMM模型的聚类数量能够保持稳定。同时，能够有效地利用已有信息进行新的学习过程，而无需重新训练，适用于多种实际应用场景。

本发明授权一种增量深度的多视图聚类方法在权利要求书中公布了：1.一种增量深度的多视图聚类方法，其特征在于，包括：利用变分自编码器提取多视图数据的潜在变量，基于所述潜在变量得到重构数据，并基于所述重构数据计算所述变分自编码器的损失函数的第一损失值，所述第一损失值由所有视图的重构损失、特定KL散度损失和共享KL散度损失结合而成；若所述第一损失值小于第一预设阈值，则利用所述变分自编码器输出的当前潜在变量更新DPMM模型的聚类参数，得到更新后的DPMM模型输出的聚类标签；将更新后的聚类标签加入所述变分自编码器的损失函数，得到总损失函数，若所述总损失函数的第二损失值大于等于第二预设阈值，则利用所述第二损失值更新所述变分自编码器的损失函数，更新后重新训练所述变分自编码器；若所述总损失函数的第二损失值小于所述第二预设阈值，则将所述聚类标签作为所述多视图数据的聚类结果输出；所述将更新后的聚类标签加入所述变分自编码器的损失函数，得到总损失函数，包括:利用所述聚类标签的标签信息，向所述变分自编码器的损失函数添加聚类一致性损失，得到所述总损失函数；所述总损失函数通过如下公式表示： ，其中，是指所述重构损失，是指所述特定KL散度损失，是指所述共享KL散度损失，是指所述聚类一致性损失。

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电子科技大学(深圳)高等研究院，其通讯地址为：518110 广东省深圳市龙华区观澜街道新澜社区观光路1301-78号银星智界二期2号楼；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”。