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！

龙图腾网获悉天津大学申请的专利一种基于样本和标签联合嵌入的多维数据探索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：CN119669539B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202411754546.6，技术领域涉及：G06F16/904；该发明授权一种基于样本和标签联合嵌入的多维数据探索方法是由李杰;陈依琳设计研发完成，并于2024-12-02向国家知识产权局提交的专利申请。

本一种基于样本和标签联合嵌入的多维数据探索方法在说明书摘要公布了：本发明公开了一种基于样本和标签联合嵌入的多维数据探索方法，方法包括：对标签和样本进行编码确定样本编码和标签编码；对样本编码和标签编码进行自监督学习确定样本嵌入和标签嵌入；计算重构损失LR、对比损失LCL和交叉熵损失LCE，确定总目标函数L，结合Adam算法对嵌入网络进行迭代更新；通过聚类损失Lkl和MSE损失LMSE对样本嵌入进行重构，得到重建后的样本嵌入；对重建后的样本嵌入和标签嵌入进行二维投影，根据样本坐标和标签坐标确定标签副本，并对标签副本和样本进行相互关联；通过多维数据探索模块对标签和样本的关联关系进行可视化展示。本发明通过建立联合嵌入网络模型，增强了嵌入过程的可操纵性和投影结果的可解释性。

本发明授权一种基于样本和标签联合嵌入的多维数据探索方法在权利要求书中公布了：1.一种基于样本和标签联合嵌入的多维数据探索方法，其特征在于，包括： 获取标签和样本； 对所述标签和所述样本进行编码，得到样本编码si和标签编码lj； 通过自动编码器对所述样本编码si和标签编码lj进行自监督学习，输出样本嵌入和标签嵌入 通过解码器对所述样本嵌入进行重构，计算重构损失LR； 通过分类器对所述样本嵌入和标签嵌入进行关联学习，计算对比损失LCL和交叉熵损失LCE； 计算重构损失LR、对比损失LCL和交叉熵损失LCE的总和，确定总目标函数L，结合Adam算法对嵌入网络进行迭代更新； 通过聚类损失Lkl和MSE损失LMSE对样本嵌入进行重构，得到重建后的样本嵌入 对所述重建后的样本嵌入和标签嵌入进行二维投影，根据投影后的样本坐标和标签坐标确定标签副本，并对所述标签副本和样本进行相互关联； 通过多维数据探索模块对标签和样本的关联关系进行可视化展示； 所述通过分类器对所述样本嵌入和标签嵌入进行关联学习，计算对比损失LCL和交叉熵损失LCE，包括： 计算样本嵌入和标签嵌入的关联度，预测样本具有的标签，并与原始数据对比，判断样本与标签的关联是否被正确学习； 通过对比损失LCL对所述样本嵌入和标签嵌入进行关联，将与样本有关联的标签确定为正标签，无关联的标签确定为负标签； 其中，N是样本个数，M是标签个数；A是第i个样本具有的标签集合，u表示标签集合A中的标签，是所有标签嵌入，是标签u的嵌入，是求两个嵌入的内积； 根据标签lj与样本si的关联情况进行分析，确定交叉熵系数yj； 当标签lj与样本si关联时，yj＝1；标签lj与样本si没有关联时，yj＝0； 根据所述交叉熵系数yj计算交叉熵损失LCE； 其中，N是样本个数，M是标签个数，是求两个嵌入的内积，s是software函数； 所述通过聚类损失Lkl和MSE损失LMSE对样本嵌入进行重构，得到重建后的样本嵌入包括： 将样本嵌入输入至带有聚类损失Lkl的全连接网络，输出重建后的样本嵌入 所述聚类损失Lkl用公式表示为： 其中，N是样本个数，M是标签个数，是求两个嵌入的内积，s是用于归一化的softmax函数； 通过MSE损失LMSE对重建的样本嵌入进行处理 其中，N是样本个数，是从联合嵌入网络中得到的样本嵌入，表示重建的样本嵌入； 对所述重建的样本嵌入与关联标签嵌入进行关联强化, 包括： 通过标签创建器设置上下限、步长参数并创建标签，以条形图的形式显示标签列表，呈现每个标签的关联样本数量； 通过嵌入投影器对样本和标签的嵌入投影进行显示； 通过模式解释器对各个视觉结构中的样本特征进行显示。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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。