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！

龙图腾网恭喜南京航空航天大学申请的专利一种基于对比学习的关系型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：CN114972832B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202210695428.7，技术领域涉及：G06V10/762；该发明授权一种基于对比学习的关系型深度聚类方法是由王立松;许洁;刘绍翰设计研发完成，并于2022-06-17向国家知识产权局提交的专利申请。

本一种基于对比学习的关系型深度聚类方法在说明书摘要公布了：本发明公开了一种基于对比学习的关系型深度聚类方法，包括：对原始图像数据进行增强处理，得到相应的增强图像数据；将原始图像数据和增强图像数据导入神经网络，将输入图像数据经过层次化的非线性映射，分别得到分配概率矩阵；根据原始图像数据和增强图像数据的分配概率矩阵计算得到原始图像数据和增强图像数据的结构关系矩阵；构建总损失函数。本发明能够获得更多的正向鉴别特征，减小聚类嵌入的类内方差，从而获得更好的聚类结果。

本发明授权一种基于对比学习的关系型深度聚类方法在权利要求书中公布了：1.一种基于对比学习的关系型深度聚类方法，其特征在于，所述关系型深度聚类方法包括以下步骤：S1，对原始图像数据xi进行增强处理，得到相应的增强图像数据xi'＝Txi；T为采用的数据增强函数；S2，将原始图像数据xi和增强图像数据xi'导入神经网络，将输入图像数据经过层次化的非线性映射，分别得到输出原始图像数据xi和增强图像数据xi'的分配概率矩阵；其中，分配概率矩阵的行表示图像的特征表示；分配概率矩阵的列作为数据分布情况，代表不同语义类的聚类表示；S3，根据原始图像数据xi和增强图像数据xi'的分配概率矩阵计算得到原始图像数据xi和增强图像数据xi'的结构关系矩阵；S4，构建总损失函数α为权重参数，为实例表示损失函数，用于在样本级别，通过最小化损失函数以最大化原始图像与增强图像之间的相似度，表征原始图像及其增强图像的特征表示的一致性；为聚类表示损失函数，用于在聚类级别，通过最小化损失函数以最大化原始类与增强类之间的相似度，表征原始图像及其增强图像的分配的一致性；为关系表示损失函数，用于在关系级别，通过最小化损失函数以最大化原始结构关系与增强结构关系之间的相似度，表征原始图像及其增强图像的关系表示的一致性；步骤S4中，关系表示损失函数的构建过程包括以下子步骤：C41，使用空间中的欧氏距离作为原始图像xi和原始图像xj之间的关系表示 其中，μ是距离的标准化因子，ui是原始图像xi的特征表示，uj是原始图像xj的特征表示；C42，将μ设置为每个batch的数据对集合B中所有数据对之间的平均距离，采用下述公式计算μ的取值： 式中，|B|是数据对集合B中的数据对总数；C43，关系表示损失函数表示为： 其中，lσ为L2距离，是增强图像xi'和增强图像xj'之间的关系表示。

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南京航空航天大学，其通讯地址为：211106 江苏省南京市江宁区将军大道29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”。