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！

龙图腾网获悉北京工业大学申请的专利一种多视子空间聚类方法及装置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：CN112418319B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202011330698.5，技术领域涉及：G06F18/23；该发明授权一种多视子空间聚类方法及装置是由孙艳丰;郭继鹏;胡永利设计研发完成，并于2020-11-24向国家知识产权局提交的专利申请。

本一种多视子空间聚类方法及装置在说明书摘要公布了：一种多视子空间聚类方法及装置，能够充分利用多视数据之间的互补性信息，并且保证自表示矩阵的聚类结构一致性，在聚类性能上具有很大的提升。方法包括：1获取原始数据集的多视特征矩阵2对于给定的多视数据Xv，根据低秩自表示子空间聚类方法,对每个视数据的表示系数矩阵Zv分别进行低秩约束和秩结构一致性约束,构建基于低秩矩阵分解和秩结构一致性约束的多视子空间聚类模型；3对于构造的多视子空间聚类模型，采用交替方向乘子法求解优化问题，得到秩结构一致的多视自表示系数矩阵；4将多视自表示系数矩阵融合得到关联矩阵W，对关联矩阵W执行谱聚类得到最后的聚类结果。

本发明授权一种多视子空间聚类方法及装置在权利要求书中公布了：1.一种多视子空间聚类方法，其特征在于：该方法应用于图像处理领域，对多视数据进行聚类，多视数据是指由多个不同视角的数据特征描述同一样本，该方法包括以下步骤： 1获取原始数据集的多视特征矩阵 2对于给定的多视数据Xv，根据低秩自表示子空间聚类方法，对每个视数据的表示系数矩阵Zv分别进行低秩约束和秩结构一致性约束，构建基于低秩矩阵分解和秩结构一致性约束的多视子空间聚类模型； 3对于构造的多视子空间聚类模型，采用交替方向乘子法求解优化问题，得到秩结构一致的多视自表示系数矩阵； 4将多视自表示系数矩阵融合得到关联矩阵W，对关联矩阵W执行谱聚类得到最后的聚类结果； 所述步骤2中，对于每个视的自表示系数矩阵进行矩阵分解，并且 所述步骤1中，对于所述原始数据集中的每个样本，采用不同的特征提取器提取不同类型的数据特征，进而组成多视数据特征矩阵v∈{1，2，…，V}，其中n是数据集样本个数，V是多视个数，dv是第v视数据特征的维度； 所述步骤2中，所述基于秩结构一致性的多视子空间聚类模型为： s.t.Xv＝XvZv+Ev，rankZ1＝…＝rankZV≤k， 其中Zv∈Rn×n是第v视的低秩表示系数矩阵，拟合第v视数据特征的噪声，λ是正则化参数平衡低秩项和噪声稀疏项的重要性，rankZ1＝…＝rankZV≤k是秩一致性结构约束，保证多视自表示系数矩阵的结构一致性，k是低秩表示系数矩阵的秩上界，k＜＜n；所述步骤2的矩阵分解中，||Zv||*＝||C||*，rankZv＝rankC对于任意的视v；得到便于优化求解得模型为： s.t.Xv＝XvZv+Ev，其中，视特定的表示系数矩阵被分解为三矩阵相乘，并且左右矩阵正交，中间共享一个公共的核矩阵C，保证自表示系数矩阵的结构一致性，并且能够最大化挖掘互补信息提升聚类效果； 所述步骤3中，采用交替方向乘子法求解公式2得到秩结构一致的多视自表示系数矩阵，公式2的增广拉格朗日函数为 其中A，B表示矩阵A和B的内积，μ是惩罚系数，是拉格朗日乘子；交替优化上述增广拉格朗日函数中的所有变量直至收敛； 所述步骤3中，交替优化上述增广拉格朗日函数中的所有变量直至收敛的步骤为： 固定其他变量，更新Lv： 固定其他变量，更新Rv： 固定其他变量，更新C： 固定其他变量，更新Zv： 固定其他变量，更新Ev： 固定其他变量，更新拉格朗日乘子和惩罚系数： 其中 重复执行上述变量更新步骤直到达到收敛条件： 得到用于最后融合聚类的视特定的表示系数矩阵Zv； 所述步骤4中，对于视特定的表示系数矩阵Zv进行融合，得到最后的关联矩阵W进行谱聚类获得聚类结果：

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北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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”。