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！

龙图腾网获悉西安电子科技大学杭州研究院申请的专利一种基于分离度的小样本半监督聚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：CN115311482B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202210850034.4，技术领域涉及：G06V10/762；该发明授权一种基于分离度的小样本半监督聚类方法是由孙建国;黄晏瑜;胡瑞敏;曾丽娜设计研发完成，并于2022-07-20向国家知识产权局提交的专利申请。

本一种基于分离度的小样本半监督聚类方法在说明书摘要公布了：本发明属于计算机仿真与方法优化技术领域，公开了一种基于分离度的小样本半监督聚类方法，包括如下步骤：步骤1：聚类中心计算；步骤2：分离度计算；步骤3：非目标聚类中心确定；步骤4：参数计算；步骤5：类中心迁移；步骤6：迭代计算；步骤7：目标分离。本发明针对传统无监督聚类和半监督聚类在目标分类、鉴别性能不佳的问题，发明了一种基于目标分离度的小样本半监督聚类方法，设定目标与非目标的分离度，并基于已知小样本在分离度的基础上进行迭代运算，实现了相似度较高的目标于非目标的精确分离，本发明采用了新型的算法框架提高了目标分类、鉴别的精确性。

本发明授权一种基于分离度的小样本半监督聚类方法在权利要求书中公布了：1.一种基于分离度的小样本半监督聚类方法，该方法用于处理SAR图像，其特征在于，包括如下步骤： 步骤1：聚类中心计算：采用NCM算法进行聚类中心计算； NCM使用一个元组[T,I,F]来描述成员值，其中T是属于一个集群的对象的确定度，F是不属于集群的对象的确定度，I是一个对象到边界集群的不确定度，NCM算法的目标函数表达式为： 其中，C＝{cj,j＝1,2,…,K}是集群的集合，cj是集群j的中心，di,Kj表示从对象xi到所考虑的K簇中心的距离，ωi是加权系数，δ是检测非目标的给定距离，只选择最近的两个确定性聚类来考虑最大隶属度值，简化为： 其中，是从对象xi到两个簇中心的距离的平方，这两个簇是距离中心最近的和第二近的簇，上式满足： 对象xi的成员元组[Tij,Ii,Fi]在迭代中更新并使得JNCM最小化，当成员值达到收敛时，迭代将中断， 其中，[T,I,F]三个成员值按如下方式迭代更新： 步骤2：分离度计算：在NCM聚类计算过程中调整两个类别的聚类中心，增强目标与非目标的可分离性； 步骤3：非目标聚类中心确定：根据步骤1初步计算样本聚类中心，并在潜在目标中计算特征与样本聚类中心的分离度，将分离度最大的特征作为初始非目标聚类中心； 步骤4：参数计算：计算[T,I,F]元组的值，并更新目标与非目标的聚类中心； 步骤5：类中心迁移：在参数迭代的过程中，将潜在目标聚类中心向样本聚类中心迁移，将远离样本中心的潜在目标作为非目标； 步骤6：迭代计算：对于步骤3到步骤5进行迭代计算； 步骤7：目标分离：根据样本中心，确定潜在目标是属于目标集群的确定度，与不属于目标集群的确定度F的比值来最终判定潜在目标是否为目标。

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电子科技大学杭州研究院，其通讯地址为：311231 浙江省杭州市萧山区钱农东路8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。