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！

龙图腾网获悉长安大学申请的专利基于无监督图节点聚类的目标分类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：CN115526256B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202211199482.9，技术领域涉及：G06V10/764；该发明授权基于无监督图节点聚类的目标分类方法是由刘占文;焦子恒;王佳瑶;黄泽宇;王洋;樊星;李宇航;杨楠;贾晓航;李美芸;杨劲松;李文倩设计研发完成，并于2022-09-29向国家知识产权局提交的专利申请。

本基于无监督图节点聚类的目标分类方法在说明书摘要公布了：本申请涉及目标分类模型训练方法，包括：构建目标分类模型；基于图训练数据集对目标分类模型进行训练，得到训练后的目标分类模型；图训练数据集包括多个图节点，每个图节点表示一个待分类目标；目标分类模型包括依次连接的深层表征提取层和聚类层。本申请的目标分类模型训练方法，解决了现有的半监督方法无法对不含节点标签信息的目标数据集进行分类的难题，基于无监督学习的网络训练同时也降低了聚类结果好坏对标签信息多少的依赖度，大大增强了网络的稳定性，始终在聚类任务中表现出较好的性能；实现了端对端学习，规避了多模块训练目标不一致的问题，降低了工程的复杂度、减小了训练误差，使网络性能更加鲁棒。

本发明授权基于无监督图节点聚类的目标分类方法在权利要求书中公布了：1.一种目标分类模型训练方法，其特征在于，包括： 构建目标分类模型； 基于图训练数据集对所述目标分类模型进行训练，得到训练后的目标分类模型；所述图训练数据集包括多个图节点，每个所述图节点表示一个待分类目标；所述目标分类模型包括依次连接的深层表征提取层和聚类层；所述图训练数据集为引文网络数据集，每个图节点为一篇论文；图用表示，其中V是图G中所有图节点的集合，E是图G中边的集合，代表不同论文之间的引用关系； 所述深层表征提取层用于提取所述图训练数据集中每个所述图节点的深层表征； 所述聚类层用于基于所述深层表征对所述多个图节点进行聚类，确定多个聚类中心；以及，根据每个所述图节点的深层表征和所述多个聚类中心确定每个所述图节点的类别； 其中，根据每个所述图节点的深层表征和所述多个聚类中心确定每个所述图节点的类别，包括： 计算每个所述图节点的深层表征与所述多个聚类中心的欧式距离，i=1，2，…，N，i为图节点的标号，N为图节点的个数，欧式距离是一个D维的行向量，D为所述聚类中心的个数； 所有所述图节点对应的欧式距离形成一个误差矩阵； 对所述误差矩阵中的每一个行向量中的元素按照由小到大进行排序，形成排序后的误差矩阵，为一个N维的列向量； 基于所述排序后的误差矩阵确定权重矩阵，权重矩阵是一个N*D的矩阵，采用以下公式确定，这里，是一个N维的列向量： 其中，为误差矩阵中的第j个列向量； 根据所述权重矩阵确定每个所述图节点的类别，所述权重矩阵中的每一个行向量中的元素反映所述行向量对应的图节点属于所述元素对应类别的概率大小。

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长安大学，其通讯地址为：710064 陕西省西安市雁塔区二环南路中段126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。