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！

龙图腾网获悉新疆大学申请的专利一种基于狄利克雷过程混合模型的空间羽流特征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：CN114821141B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202210427520.5，技术领域涉及：G06F18/23；该发明授权一种基于狄利克雷过程混合模型的空间羽流特征聚类方法是由郭振宇;袁杰;马圣山;贾焦予;刘强;李中华;匡本发;吴琼设计研发完成，并于2022-04-22向国家知识产权局提交的专利申请。

本一种基于狄利克雷过程混合模型的空间羽流特征聚类方法在说明书摘要公布了：本发明涉及一种基于狄利克雷过程混合模型的空间羽流特征聚类方法，其方法为，使用携带气体传感器和定位装置的机器人获取羽流扩散空间中的羽流特征，构建羽流特征集合；对具有相似特点的羽流特征，使用狄利克雷过程混合模型的方法进行聚类，得到羽流空间分布类型；设计CollapsedGibbs采样推断参数，输出最终空间羽流特征聚类数据，本发明能够考虑非结构环境下羽流分布的复杂情况，可以实现对空间中羽流类型的快速、精准且全面的聚类。

本发明授权一种基于狄利克雷过程混合模型的空间羽流特征聚类方法在权利要求书中公布了：1.一种基于狄利克雷过程混合模型的空间羽流特征聚类方法，其特征是按如下步骤进行： S1:使用携带气体传感器和定位装置的机器人获取羽流空间中羽流特征，羽流特征包括机器人获取的浓度信息和机器人空间位置信息； S1-1:计算机器人获取的羽流特征的总数量N； S1-2:构建机器人获取的羽流特征集合M∈{x1,x2,...,xi}，其中xi表示机器人获取的第i个羽流特征； S2:基于机器人获取羽流特征集合M，构建非参贝叶斯模型狄利克雷过程混合模型DPMM； S2-1:对于机器人获取的第i个羽流特征，按照式1生成第i个羽流特征所属羽流类型； zi～Multinomialπ,π～Dirichleta1 式1中，～表示服从，zi表示第i个羽流特征所属羽流类型，Multinomial·表示多项式分布，Dirichlet·表示狄利克雷分布，π表示多项式分布的超参数，α表示狄利克雷分布的超参数； S2-2:对于机器人获取的第i个羽流特征，按照式2生成第i个羽流特征所属原有羽流类型中第k个羽流类型的概率； 式2中，K表示总的羽流类型数量，z-i表示除zi的其它所有羽流类型集合，n-i,k表示第k个羽流类型中的羽流特征数量，N为机器人获取的总羽流特征数量； S2-3:对于机器人获取的第i个羽流特征，按照式3生成第i个羽流信息所属新羽流类别第K+1个羽流类别的概率； S2-4:对于机器人获取的第i个羽流特征，按照式4生成原有羽流类型预测后验分布； xi|zi＝k～Guassianμk,∑k,{μk，∑k～NIWΦk4 式4中，Guassian·表示高斯分布，NIW·表示逆Wishart分布，μk，Σk表示第k个羽流类型对应的高斯分布的均值与方差，Φk表示第k个羽流类型对应的逆Wishart分布的超参数； S2-5:对于机器人获取的第i个羽流特征，按照式5生成新羽流类型预测后验分布； xi|zi＝K+1～Guassianμ,∑,{μ,∑}～NIWΦ5 式5中，μ，Σ表示第K+1个羽流类型对应的高斯分布的均值与方差，Φ表示第K+1个羽流类型对应的逆Wishart分布的超参数； S2-6:对于机器人获取的第i个羽流特征，按照式6生成第i个羽流特征所属原有羽流类别zi的后验概率； pzi＝k|xi,z-i,α,Φk∝pzi＝k|z-i,αpxi|zi＝k6 式6中∝表示正比于； S2-7:对于机器人获取的第i个羽流特征，按照式7生成第i个羽流特征所属新羽流类型zi的后验概率； pzi＝K+1|xi,z-i,α,Φ∝pzi＝K+1|z-i,αpxi|zi＝K+17 S3:基于通过机器人获取的的羽流特征集合M，设计CollapsedGibbs采样，对各羽流特征所属羽流类型进行推断； S3-1:随机生成不大于N的整数K,将羽流特征xi随机分配到K个羽流类型中；S3-2:设置m＝1； S3-3:将xi从原有羽流类型中删除，更新该羽流类型对应的高斯分布的均值、方差和逆Wishart分布的超参数，如果这个羽流类型中的羽流特征的数量为零，那么删除这个羽流类型，并且K-1； S3-4:根据式6生成羽流特征xi在原有羽流类型中的后验概率； S3-5:根据式7生成羽流特征xi在新羽流类型中的后验概率； S3-6:从pzi＝k|xi，z-i，α，Φk或pzi＝K+1|xi，z-i，α，Φ中为zi抽样新的羽流类型； S3-7:如果产生了一个新的羽流类型，那么K＝K+1； S3-8:从羽流特征集合M中生成新的羽流特征xi,将m+1赋值给m，并返回S3-3执行，直到m＝N； S3-9:重复S3-2至S3-8，在CollapsedGibbs采样过程中，不断更新每个羽流特征所属的羽流类型，并不断更新第i个羽流特征所在羽流类型的分布，当所有羽流特征所属的羽流类型不再变化时，输出最终的各羽流类型分布； S4:根据最终的各羽流类型分布，对机器人获取的所有羽流特征进行聚类； S5:在各羽流类型区域根据机器人获取的浓度信息和浓度梯度信息，将空间中羽流特征分布进行划分，获得空间羽流特征分布状态。

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新疆大学，其通讯地址为：830046 新疆维吾尔自治区乌鲁木齐市天山区胜利路666号新疆大学；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。