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！

龙图腾网恭喜哈尔滨工业大学(深圳)申请的专利基于局部结构与平衡感知的不完备多视图聚类方法及系统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：CN115311483B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202210979979.6，技术领域涉及：G06V10/762；该发明授权基于局部结构与平衡感知的不完备多视图聚类方法及系统是由文杰;刘成亮;刘毅成;邓世杰设计研发完成，并于2022-08-16向国家知识产权局提交的专利申请。

本基于局部结构与平衡感知的不完备多视图聚类方法及系统在说明书摘要公布了：本发明公开了一种基于局部结构与平衡感知的不完备多视图聚类方法及系统，包括针对不完备多视图数据的聚类任务，设计基于局部结构与平衡感知的具有概率特性的不完备多视图一致聚类表征学习模型；对给定视图缺失先验位置索引矩阵的不完备多视图数据进行预处理；根据预处理后的数据、基于不完备多视图一致聚类表征学习模型中含有的变量设计基于交替迭代优化的方法求解变量，达到模型优化的目的，利用优化后得到的最优共享一致表征矩阵得到所有样本的聚类结果。本发明方法所设计的模型是一个具有可解释性、高效率、聚类结果稳定的不完备多视图聚类模型。

本发明授权基于局部结构与平衡感知的不完备多视图聚类方法及系统在权利要求书中公布了：1.一种基于局部结构与平衡感知的不完备多视图聚类方法，其特征在于，包括以下步骤：建立模型：对于不完备多视图数据的聚类任务，设计基于局部结构与平衡感知的具有概率特性的不完备多视图一致聚类表征学习模型，模型具体为： 其中，表示第v个视角的基矩阵，mv表示第v个视图的特征维度，d表示一致表征空间的维度，P∈Rd×n表示不完备多视图数据的共享一致表征矩阵，n表示不完备多视图数据的总样本数，α＝[α1,...,αl]是一个可学习的权重向量，1∈Rd表示元素值都为1的d维列向量，αv表示向量α中的第v个元素，r是不小于2的正整数，表示向量α中元素αv的r次幂，λ是惩罚项参数，l表示视图个数，nv表示第v个视图未缺失的样本个数，I为单位矩阵，Ii,j表示单位矩阵的第i,j行列位置的元素值，表示第i个样本和第j个样本的第v个视图之间的相似度关系，表示矩阵Xv的第i列向量，表示第v个视图未缺失样例所组成的矩阵集合，表示矩阵Gv的第j列向量，为0、1二值矩阵；数据预处理：对给定视图缺失先验位置索引矩阵Z的不完备多视图数据进行预处理；优化模型：根据预处理后的数据和不完备多视图一致聚类表征学习模型，针对模型中含有的变量P、α以及引入的辅助变量Q、拉格朗日乘子C和正惩罚参数μ，设计基于交替迭代优化的方法求解变量，达到模型优化的目的，其中：求解Uv的优化问题：得到变量Uv的最优解为Uv＝MvNvT，其中Mv∑vNvT为XvSvTGvTPT的奇异值分解等价形式，Sv＝Wv+I，为预构建的相似图矩阵；求解P的优化问题：得到变量P的最优解为：其中μ0为正惩罚参数，C为拉格朗日乘子，Q为辅助变量且P＝Q，c表示矩阵P的行数；求解Q的优化问题：得到变量Q的最优解为：Q＝μP+C11T+μI-1；求解α的优化问题：得到变量α的最优解为：其中，C和μ的更新公式为：其中ρ和μ0为常量；聚类过程：利用优化后得到的最优共享一致表征矩阵P得到数据的聚类结果，具体包括：根据若第i列P:,i中第j个元素值最大，那么就将第i个样本划分到第j个类别，通过求取表征矩阵P每一列最大元素值对应的位置即可得到所有样本的聚类结果；所述多视图数据为BBCSport、Caltech101、3Sources数据集中的任意一种。

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哈尔滨工业大学(深圳)，其通讯地址为：518000 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区；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”。