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！

龙图腾网获悉安徽工业大学申请的专利一种基于数据差异性增强的数据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：CN116977681B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202311089243.2，技术领域涉及：G06V10/762；该发明授权一种基于数据差异性增强的数据聚类方法及系统是由吴紫恒;姚家祥;王兵;李聪;赵远;卢琨;汪文艳设计研发完成，并于2023-08-28向国家知识产权局提交的专利申请。

本一种基于数据差异性增强的数据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数据差异性增强的数据聚类方法及系统，属于数据处理技术领域，包括获取待聚类数据集；将待聚类数据输入多个不同深度的堆叠自编码器进行特征提取，基于输入样本与重构输出样本误差最小化，构建堆叠自编码器损失函数，并对不同深度的堆叠自编码器模型进行训练，得到多个原始数据的编码特征等步骤。本发明通过不同深度的堆叠自编码器获取鲁棒的低维特征表示，采用基于数据差异性增强的数据聚类算法进行聚类，获得基聚类结果，能有效区分特征的不同重要性，并且能同时增强数据差异，提高了基聚类分析的聚类性能，最后利用聚类集成共识函数获取最终聚类结果，有效提高了聚类最终结果的质量，具备适用性强和聚类性能高的优良特性。

本发明授权一种基于数据差异性增强的数据聚类方法及系统在权利要求书中公布了：1.一种基于数据差异性增强的数据聚类方法，其特征在于，包括以下步骤： S1：获取待聚类人脸图像集； S2：将待聚类人脸图像数据输入多个不同深度的堆叠自编码器进行特征提取，基于输入样本与重构输出样本误差最小化，构建堆叠自编码器损失函数，并对不同深度的堆叠自编码器模型进行训练，得到多个人脸图像的编码特征； S3：定义目标函数并进行参数初始化，对多个人脸图像编码特征进行聚类，得到多个人脸图像基聚类结果； S4：基于多个人脸图像基聚类结果，通过集成聚类共识函数形成最终聚类结果，输出目标人物的图像，结合时空信息综合确定目标人物的行程轨迹； 在所述步骤S2中，堆叠自编码器模型的损失函数为： 其中，第一项为堆叠自编码器输入数据与重构数据之间的重构误差，第一项为‖x′-x‖2，x表示堆叠自编码器输入数据，x′表示输出数据；第二项为权值正则化项，第二项为Wa表示堆叠自编码器第a层与第a+1层之间的权值矩阵，γ为平衡第二项权重的超参数，b表示堆叠自编码器的网络层数； 在所述步骤S3中，目标函数为： 其中，n为样本总个数，c为聚类簇数，m为样本特征维度数；uik表示第k个样本对第i个簇的隶属度；fij表示第i个聚类的第j维特征权重；xk和xg分别为第k个样本和第g个样本，xkj表示第k个样本的第j维特征；vij表示第i个聚类中心的第j维特征；θ和λ为两个超参数； 在所述步骤S3中，聚类的过程下： S31：初始化目标函数中的各参数； S32：开始聚类，迭代更新隶属度、特征权重和聚类中心； S33：判断两次迭代的目标函数差值是否小于迭代停止阈值ε；即判断‖Jt-Jt-1‖≤ε是否成立，若成立则停止迭代，若不成立则判断当前迭代次数是否大于最大迭代次数，即判断t≥T是否成立，若成立则停止迭代，否则继续迭代过程：迭代更新隶属度、特征权重和聚类中心； S34：聚类结束后得到不同深度的编码特征的各个基聚类结果； 在所述步骤S32中，迭代更新隶属度、特征权重和聚类中心的公式分别为：

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安徽工业大学，其通讯地址为：243032 安徽省马鞍山市经济技术开发区南区嘉善科技园2号楼；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”。