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！

龙图腾网获悉西安交通大学申请的专利基于对数稀疏约束的锚点图分解的快速多视图聚类方法、系统以及存储介质和计算机设备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：CN119091173B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202411210435.9，技术领域涉及：G06V10/762；该发明授权基于对数稀疏约束的锚点图分解的快速多视图聚类方法、系统以及存储介质和计算机设备是由杨奔;杨尚宗;吴镜涵;薛智元;张雪涛;王飞设计研发完成，并于2024-08-30向国家知识产权局提交的专利申请。

本基于对数稀疏约束的锚点图分解的快速多视图聚类方法、系统以及存储介质和计算机设备在说明书摘要公布了：本发明公开了一种基于对数稀疏约束的锚点图分解的快速多视图聚类方法、系统及存储介质和计算机设备，属于机器学习与数据分析领域，主要包含以下步骤：读取已经矢量化的多视图数据集，在所有视图生成锚点；在原始数据与锚点形成的锚点集之间构造锚点图；对锚点图进行锚点图分解，得到基矩阵与系数矩阵，并对基矩阵进行log范数约束，去除冗余信息；对系数矩阵进行K‑means得到聚类标签，生成聚类结果。本发明在处理大规模多视图聚类任务时能显著提高聚类的精度和效率，可广泛应用于数据分析领域。

本发明授权基于对数稀疏约束的锚点图分解的快速多视图聚类方法、系统以及存储介质和计算机设备在权利要求书中公布了：1.一种基于对数稀疏约束的锚点图分解的快速多视图聚类方法，其特征在于：使用锚点图代替了原始数据进行锚点图分解，降低了计算复杂度，在处理大规模多视图聚类任务时显著提升了聚类效率；在锚点图分解的过程中施加log范数约束，去除了冗余信息，得到更稀疏的表示，在处理大规模多视图聚类任务时能显著提高了聚类的精度，具体包括如下步骤： 步骤1：输入待聚类的多视图数据集，对多视图进行数据连接，得到拼接的单视图，为所有视图生成锚点，得到锚点集； 步骤2：利用稀疏图学习的方法，在锚点集与多视图数据集之间构造多视图锚点图B； 步骤3：对多视图锚点图进行锚点图分解，再优化迭代得到能够表征样本类别结构的基矩阵和对应的系数矩阵； 步骤4：对系数矩阵进行K-means聚类获取聚类标签，生成聚类结果； 使用K-means算法而非随机抽样法生成锚点，提高了锚点的质量；步骤1具体包括： 输入待聚类多视图数据集，将所有视图连接并进行K-means聚类，获得锚点，再根据不同视图的维度对锚点进行分配，得到不同视图的锚点的集合；待聚类多视图数据集χ＝[X1,X2,...,XV]T，Xi为待聚类多视图的第i个视图；所有视图锚点集ε＝[E1,E2,...,EV]T，Ei∈Rn×m；Ei为第i个视图的锚点集，Rn×m代表矩阵Ei的维度为n×m，n为行数，m为列数； 步骤3具体包括：为多视图锚点图添加自学习权重： 其中B∈RN×M，RN×M代表多视图锚点图B的维度为N×M，其中N为样本个数，M为锚点个数，Bv为多视图锚点图B的第v个视图，αv为多视图锚点图B的第v个视图的自学习权重，v∈{1,2,...,V}，V为多视图锚点图B中视图总个数； 对锚点图分解得到的基矩阵施加log范数约束： Gij为基矩阵G的第i行，j列的元素；施加log范数约束使锚点图分解模型能够对基矩阵进行更精确的稀疏约束，除去了冗余信息，得到更符合样本类别分布的稀疏解； 原始锚点图分解模型为： 加入对数稀疏约束，则模型更新为： 其中F为系数矩阵，γ0是平衡参数。

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安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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”。

以上内容由龙图腾AI智能生成。