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！

龙图腾网获悉山西大学申请的专利一种自适应半监督深度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：CN115937560B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202211644318.4，技术领域涉及：G06V10/762；该发明授权一种自适应半监督深度聚类方法是由杜宇慧;武福林设计研发完成，并于2022-12-20向国家知识产权局提交的专利申请。

本一种自适应半监督深度聚类方法在说明书摘要公布了：本发明公开了一种自适应半监督深度聚类方法，属于图像数据聚类分析技术领域，通过使用有标签数据训练模型；将训练完的模型再对无标签训练数据进行训练得到该数据的分类特征，并将其分类特征转化为概率值；将有标签数据和无标签训练数据在模型最后一层隐藏层得到的特征进行半监督聚类以得到无标签训练数据与簇中心之间的相似度，将概率值和相似度对应标签一致的赋予其伪标签；自适应地从伪标签数据中挑选置信度高的数据添加到有标签数据中参与下一次模型的迭代训练，直到模型收敛则训练结束；最后对新的测试数据进行聚类测试。通过与其他聚类方法比较，本发明在不同数据集上可以提高模型聚类的准确度。

本发明授权一种自适应半监督深度聚类方法在权利要求书中公布了：1.一种自适应半监督深度聚类方法，其特征在于：包括以下步骤： 步骤1，使用有标签数据来训练神经网络模型； 步骤2，使用步骤1训练后的神经网络模型对无标签训练数据进行分类，得到每个数据所属类别的概率值，同时得到每个无标签训练数据的特征； 然后，将有标签数据和无标签训练数据来自于神经网络模型最后一层隐藏层提取的特征进行约束种子K-Means聚类，得到每个无标签训练数据与簇中心之间的皮尔逊相似度； 再将每个数据中相似度的最大值与概率值的最大值对应标签一致的无标签训练数据赋予其伪标签； 步骤3，计算伪标签数据的置信度； 步骤4，使用自适应方法挑选出伪标签数据中伪标签置信度高的数据； 步骤5，将步骤4中伪标签置信度高的数据，和其伪标签作为标签数据与已有的标签数据共同作为下一次神经网络模型的输入； 步骤6，迭代执行步骤1~步骤5，如果相邻两次迭代得到的最佳阈值的差别度小于设定阈值，则继续迭代，直到达到收敛条件，则停止迭代循环； 步骤7，将上述步骤最终得到的有标签数据和新的测试数据一起输入神经网络模型中，将模型降维后的特征进行约束种子K-Means聚类得到新的测试数据的聚类结果； 所述有标签数据为图像数据及其对应标签，无标签训练数据为图像数据。

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山西大学，其通讯地址为：030006 山西省太原市坞城路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。