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！

龙图腾网获悉哈尔滨工业大学(深圳)申请的专利一种子空间聚类方法、装置、设备及存储介质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：CN114897053B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202210382614.5，技术领域涉及：G06F18/23213；该发明授权一种子空间聚类方法、装置、设备及存储介质是由陈勇勇;程磊;花忠云设计研发完成，并于2022-04-13向国家知识产权局提交的专利申请。

本一种子空间聚类方法、装置、设备及存储介质在说明书摘要公布了：本实施例提供一种子空间聚类方法、装置、设备及存储介质，该方法包括：通过预设神经网络模型对原始数据特征进行特征提取、自表示处理、解码处理等操作得到目标损失函数，其中，是利用核范数对预设的自表示系数矩阵施加低秩先验以进行自表示处理。通过目标损失函数对神经网络模型进行训练，从训练好的卷积自编码网络模型中提取目标自表示系数矩阵，进一步得到目标相似度矩阵，然后利用聚谱类算法对目标相似度矩阵进行分割得到子空间聚类结果。本申请基于核范数与卷积自编码网络模型实现对自表示系数矩阵的学习，进而得到准确性更高的相似度矩阵，最后得到准确性更高的子空间聚类结果，本申请的方法能够提升子空间聚类的准确率。

本发明授权一种子空间聚类方法、装置、设备及存储介质在权利要求书中公布了：1.一种子空间聚类方法，其特征在于，包括： 获取原始数据特征；其中，所述原始数据特征为图像数据； 通过预设神经网络模型的编码模块对所述原始数据特征进行特征提取，以得到潜在数据特征；其中，所述编码模块为卷积编码器； 通过预设神经网络模型的自表示模块对所述潜在数据特征进行自表示处理，得到目标数据特征，其中，利用核范数对预设的自表示系数矩阵进行低秩约束处理，得到初步自表示系数矩阵，所述自表示模块通过所述初步自表示系数矩阵对所述潜在数据特征进行自表示处理；其中，所述自表示模块为不带激活函数的全连接层； 通过预设神经网络模型的解码模块对所述潜在数据特征进行解码处理，以得到恢复数据特征；其中，所述解码模块为卷积解码器，所述卷积解码器与所述卷积编码器相对应； 根据所述初步自表示系数矩阵、所述原始数据特征、所述潜在数据特征、所述目标数据特征、所述恢复数据特征构建目标损失函数； 根据所述目标损失函数对所述神经网络模型进行训练，以得到目标自表示系数矩阵； 利用预设算法对所述目标自表示系数矩阵进行处理，得到目标相似度矩阵； 利用聚谱类算法对所述目标相似度矩阵进行分割，得到子空间聚类结果。

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”。