西北工业大学于为中获国家专利权
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！
龙图腾网获悉西北工业大学申请的专利面对大量无监督噪声数据应用场景的鲁棒主成分分析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：CN117171550B 。
龙图腾网通过国家知识产权局官网在2025-08-08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：202311107268.0，技术领域涉及：G06F18/2135；该发明授权面对大量无监督噪声数据应用场景的鲁棒主成分分析方法是由于为中;吴治昌;聂飞平设计研发完成，并于2023-08-31向国家知识产权局提交的专利申请。
本面对大量无监督噪声数据应用场景的鲁棒主成分分析方法在说明书摘要公布了：本发明公开了一种面对大量无监督噪声数据应用场景的鲁棒主成分分析方法，通过自适应地为每个样本分配0或1的权重来丢弃异常值并通过所选的正常样本来计算平均值，得到的投影空间对大多数样本来说更合理、更具有代表性。为了保持样本分布的局部平滑性，本发明学习了样本在子空间中的亲和关系，保持了样本分布的局部平滑性，最后提出了一种迭代算法来求解模型。本发明在鲁棒主成分分析的基础上，结合自适应异常值检测，可以应用于图像识别、数据压缩、模式识别和分类、机器学习、统计与数据分析等多个领域。
本发明授权面对大量无监督噪声数据应用场景的鲁棒主成分分析方法在权利要求书中公布了：1.一种面对大量无监督噪声数据应用场景的基于鲁棒主成分分析的图像识别方法，其特征在于，包括如下步骤： 步骤1：假设为值只有0或1的对角矩阵，用于过滤异常值；为样本矩阵，是偏差，为投影矩阵，为降维后的样本矩阵，表示样本数，表示降维前的维度数，表示降维后的维度数； 定义模型为： 其中为拉普拉斯矩阵，矩阵为图的相似矩阵，度矩阵的第个元素为，表示过滤异常值的对角矩阵的第个元素，表示样本矩阵的第个元素，表示降维后矩阵的第个元素，表示非负的正则项系数，表示正常样本的数量，表示单位矩阵； 步骤2：模型求解； 步骤2-1：输入原始数据集X，并预设离群值筛选矩阵的非零数k，以及局部流形结构的系数；求得数据集X的拉普拉斯矩阵，初始化离群值筛选矩阵S，并通过SVD分解求解最小化问题来初始化降维后矩阵V； 步骤2-2：通过据交替优化，不断迭代求解各个参数； 当V被固定时，通过求解更新投影矩阵U； 当U和V都被固定时，，其中1表示值全为1的列向量； 当上一轮迭代过程中的s、m、U和V固定时，通过求解来更新S，通过求解来更新V。
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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号