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！

龙图腾网获悉华南理工大学申请的专利一种不完整多视角对比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：CN118691860B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202410759740.7，技术领域涉及：G06V10/762；该发明授权一种不完整多视角对比聚类方法及装置是由龚月姣;陈怡霏;肖晓琳设计研发完成，并于2024-06-13向国家知识产权局提交的专利申请。

本一种不完整多视角对比聚类方法及装置在说明书摘要公布了：本发明公开了一种不完整多视角对比聚类方法及装置，属于多媒体技术领域。其中方法包括：多视角数据特征提取，建立重构损失函数；构建特征融合模型，获取跨视角的一致性表示；构建特征预测模型，通过所述多视角特征，预测所述一致性表示，建立预测损失函数；构建线性投影模型，建立低维特征空间和聚类空间学习的对比损失函数；基于所述重构损失函数、预测损失函数和对比损失函数建立不完整多视角聚类的目标函数，训练模型；基于所述特征预测模型，推断不完整多视角数据跨视角的一致性表示，获取聚类标签，确定聚类结果。本方法提供的一致性信息恢复策略，基于单一视角特征对跨视角的一致性表示进行推断，进而实现了视角缺失情形下的多视角聚类。

本发明授权一种不完整多视角对比聚类方法及装置在权利要求书中公布了：1.一种不完整多视角对比聚类方法，其特征在于，包括以下步骤： 对多视角数据集进行特征提取，获取多视角特征，建立第一特征子空间学习的重构损失函数；所述多视角数据包括图像、文本、音频； 构建特征融合模型，基于所述多视角特征和所述特征融合模型，获取多视角数据样本跨视角的一致性表示； 构建特征预测模型，基于所述多视角特征和所述特征预测模型，对多视角数据样本跨视角的一致性表示进行预测，建立第一特征子空间学习的预测损失函数； 构建线性投影模型，基于所述线性投影模型、所述多视角特征和所述一致性表示，获取多视角低维特征和跨视角的低维一致性表示，以及多视角聚类分配和跨视角的一致性聚类分配，建立对比损失函数； 基于所述重构损失函数、所述预测损失函数和所述对比损失函数建立不完整多视角聚类的目标函数，基于所述目标函数和不完整多视角数据中的完整部分数据训练模型； 基于所述特征预测模型，推断不完整多视角数据跨视角的一致性表示，基于不完整多视角数据跨视角的一致性表示和聚类空间线性投影模型，获取聚类标签，确定聚类结果； 所述构建线性投影模型，包括： 构建低维空间线性投影模型，基于所述低维空间线性投影模型、所述多视角特征和所述多视角数据样本跨视角的一致性表示，获取多视角低维特征和跨视角的低维一致性表示； 构建聚类空间线性投影模型，基于所述聚类空间线性投影模型、所述多视角特征和所述多视角数据样本跨视角的一致性表示，获取多视角聚类分配和跨视角的一致性聚类分配； 所述推断不完整多视角数据跨视角的一致性表示，包括： 对于不完整多视角数据集中的完整部分样本数据，通过特征提取模型进行特征提取，得到对应的多视角特征，再通过特征融合模型融合所得的多视角特征，得到一致性表示； 对于不完整多视角数据集中的不完整部分样本数据，通过特征提取模型进行特征提取，得到部分视角特征，再将部分视角特征输入到对应的一致性表示预测模型中，推断跨视角的一致性表示； 组合完整部分数据跨视角的一致性表示和不完整部分数据推断所得跨视角的一致性表示，得到不完整多视角数据集整体的一致性表示。

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华南理工大学，其通讯地址为：510641 广东省广州市天河区五山路381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”。

以上内容由龙图腾AI智能生成。