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！

龙图腾网获悉南京理工大学申请的专利基于先验知识的概率协同表示图像集分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：CN114648661B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202210253681.7，技术领域涉及：G06V10/764；该发明授权基于先验知识的概率协同表示图像集分类方法是由孙权森;顾正召;魏东设计研发完成，并于2022-03-15向国家知识产权局提交的专利申请。

本基于先验知识的概率协同表示图像集分类方法在说明书摘要公布了：本发明公开了一种基于先验知识的概率协同表示图像集分类方法，以此来解决图像集分类中协同表示对类间差异学习不足导致的概率表示失效的问题；算法模型中，将图像集集合看作是流形空间上的一个点，通过基于样本间距离的表示方法，推导出在对称正定矩阵空间上对图像集集合模型的概率协同表示方式，并且通过对表示样本的学习，抽取出样本的先验知识，对模型的概率表示重新加权，最后推导出相应的闭式解。在不同的数据集合上对比了该算法，实验表明，模型在不平衡的数据集上有着非常出色的分类成绩表现，更加关注样本特征，解决了协同表示方法中类间模糊性导致的难以分类的问题。

本发明授权基于先验知识的概率协同表示图像集分类方法在权利要求书中公布了：1.一种基于先验知识的概率协同表示图像集分类方法，其特征包括以下步骤： 步骤1、通过子空间方法，获取图像集集合的子空间[X1,X2,…,XN]； 步骤2、通过假设图像集样本点位于格拉斯曼流形空间上，应用投影度量方法，将图像集样本数据[X1,X2,…,XN]转换成对称矩阵空间上的点[gX1,gX2,…,gXN]，其中gX＝XXT，N是类数量； 步骤3、对[gX1,gX2,…,gXN]应用线性鉴别表示得到分离分布的表示样本，随后使用最近邻算法计算出每个类样本与整体样本质心之间的距离，即每个类的先验知识：β＝{β1,……，βk}； 步骤4、在格拉斯曼流形上构造概率协同表示算法模型，融入步骤3习得的先验知识β；对概率协同表示算法模型分析求解，得到最终基于图像集先验知识的稀疏表示系数α；所述步骤4具体为： 1对于步骤2中生成的对称空间中的图像集样本，构造基于先验知识的概率协同表示模型来确定查询样本Y相应的类别标签概率； 其中lY是样本Y的标签值，α是稀疏表示系数，γ是一个预设参数，βk指的是第k类的先验知识； 2定义核矩阵分别作为Y和Y，Y和X，X和X之间的核矩阵： 随后，基于奇异值分解方法，做如下变换： 其中∑和U分别是SVD分解得到的对角矩阵和对称矩阵，Λ是自定义变量符号；得到参数对于KX,Y，做如下变换： 得到参数 定义参数Z： 这里的i是指样本在训练集合中的索引序号表示第k类的所有索引序号集合，得到 3基于以上所得参数Θ、Λ、βk，通过以下的闭式解公式解得稀疏表示系数α： 其中，I是单位矩阵，K是类别总数，λ1，λ2是两个拉格朗日系数，是预设参数； 步骤5、通过分类算法，得出对于测试图像集的分类结果。

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南京理工大学，其通讯地址为：210094 江苏省南京市孝陵卫200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”。