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！

龙图腾网获悉河南大学申请的专利一种基于多聚类的无监督特征选择的方法及系统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：CN114565026B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202210134438.3，技术领域涉及：G06F18/23；该发明授权一种基于多聚类的无监督特征选择的方法及系统是由王雅娣;林英豪;刘鹏;张泽锋设计研发完成，并于2022-02-14向国家知识产权局提交的专利申请。

本一种基于多聚类的无监督特征选择的方法及系统在说明书摘要公布了：本发明涉及人工智能技术领域，具体涉及一种基于多聚类的无监督特征选择的方法及系统，该选择方法包括：获取在高维空间中待聚类的多个数据点得到特征矩阵；利用等度量映射算法将高维空间的所述特征矩阵嵌入低维空间，得到低维空间中的嵌入矩阵；对所述特征矩阵进行归一化得到基准特征矩阵；由所述嵌入矩阵中每个维度中的特征构成的特征向量，利用所述基准特征矩阵和所述嵌入矩阵拟合得到所述嵌入矩阵中每个特征向量的稀疏系数向量；选取每个特征在所述稀疏系数向量中稀疏系数的最大值作为贡献值，根据预设的所需选择的特征数量选取最大的多个贡献值所对应的特征组成新的特征矩阵，以基于新的特征矩阵进行聚类，该方法的计算复杂度低，聚类准确。

本发明授权一种基于多聚类的无监督特征选择的方法及系统在权利要求书中公布了：1.一种基于多聚类的无监督特征选择的方法，用于灰度图处理，其特征在于，该特征选择的方法包括： 获取在高维空间中待聚类的多个数据点得到特征矩阵；利用等度量映射算法将高维空间的所述特征矩阵嵌入低维空间，得到低维空间中的嵌入矩阵； 对所述特征矩阵进行归一化得到基准特征矩阵；由所述嵌入矩阵中每个维度中的特征构成的特征向量，利用所述基准特征矩阵和所述嵌入矩阵采用LASSO回归算法拟合得到所述嵌入矩阵中每个特征向量的稀疏系数向量； 选取每个特征在所述稀疏系数向量中稀疏系数的最大值作为贡献值，将所述多个贡献值进行递减排序，根据预设的所需选择的特征数量选取最大的多个贡献值所对应的特征组成新的特征矩阵，以基于新的特征矩阵进行聚类； 所述等度量映射算法的步骤包括：计算在高维空间中数据点之间的距离，再利用MDS算法计算数据点在低维空间中的坐标； 所述计算在高维空间中数据点之间的距离的方法包括：对于高维空间中的任意一个数据点为待降维数据点，获取该待降维数据点的近邻点，并获取邻接矩阵，将邻接矩阵中所述近邻点与该待降维数据点之间的距离设为欧氏距离，并通过最短路算法计算所述邻接矩阵中所有点之间的最短距离，所述最短距离为所述数据点之间的距离。

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河南大学，其通讯地址为：475004 河南省开封市龙亭区金明大道北段河南大学金明校区；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”。