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！

龙图腾网获悉西北工业大学申请的专利一种基于二部图协同聚类的直接快速图像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：CN115661496B 。

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：202211275713.X，技术领域涉及：G06V10/762；该发明授权一种基于二部图协同聚类的直接快速图像聚类方法是由王靖宇;刘明清;聂飞平;李学龙设计研发完成，并于2022-10-18向国家知识产权局提交的专利申请。

本一种基于二部图协同聚类的直接快速图像聚类方法在说明书摘要公布了：本发明涉及一种基于二部图协同聚类的直接快速图像聚类方法，基于谱聚类的协同聚类方法因构建图拉普拉斯矩阵、进行特征值分解或奇异值分解会导致高时间复杂度，以及聚类结果需要进一步处理才能得到明确类别分布的问题，本发明提出了一种基于二部图协同聚类的直接快速图像聚类方法，通过引入锚点消除了基于谱聚类的方法对于图拉普拉斯矩阵的依赖，降低了算法的计算复杂度和空间复杂度。求解优化过程中使用了二步交替优化求解，借助坐标下降的思想直接解决原始正则化切图问题，迭代求解二值数据点标签矩阵和二值锚点标签矩阵，不需要进行特征值分解或奇异值分解，极大提高了优化速度，能够直接得到最终的聚类结果，可以直接快速实现协同聚类。

本发明授权一种基于二部图协同聚类的直接快速图像聚类方法在权利要求书中公布了：1.一种基于二部图协同聚类的直接快速图像聚类方法，其特征在于步骤如下： 步骤1：将包含n个a×b像素规模图像的数据集拉长为一个图像数据矩阵其每一行为一个样本，n为图像个数，d＝a×b为单个图像的像素总数，即图像的特征维度； 利用Kmeans聚类方法产生m个代表性锚点，得到锚点矩阵其中m是选定的锚点数目； 步骤2：根据图像数据矩阵和得到的锚点矩阵An，采用自适应邻域分配的方法构建二部图亲和矩阵自适应邻域分配方法得到的bij如下： 其中μj表示与样本点xi第j近的锚点，表示样本点xi与锚点μj之间欧几里得距离的平方，k是一个人为选定的参数； 步骤3：根据构建的二部图亲和矩阵B的基础上，构建基于二部图协同聚类的聚类模型目标函数表示如下： 其中，为图拉普拉斯矩阵，为度矩阵，为软标签矩阵；Y∈Ind表示为二值标签矩阵；N＝n+m为样本点和锚点数量之和，c为最终得到的簇数； 对拉普拉斯矩阵替换为如下的正则化拉普拉斯矩阵： 其中，是图相似度矩阵；是对角矩阵，其第j个对角元素是单位矩阵； 将二值标签矩阵写为如下形式： 其中，分别为二值样本标签矩阵和锚点标签矩阵，分别为样本软标签矩阵和锚点软标签矩阵； 将正则化拉普拉斯矩阵和重写的二值标签矩阵与软标签矩阵代入原始问题进行转换，详细过程如下： 原始问题等价为最大化问题： 采用一种二步交替优化的算法进行求解上述问题； 步骤4：固定锚点软标签V，更新样本软标签U优化目标函数 当V固定时，优化问题等价于： 其中， 将上述求矩阵最大迹问题展开得： 其中，··j表示矩阵的第j列，·ij表示矩阵第i行第j列元素；所述样本标签矩阵Yu的每一行的求解是独立的过程，依次按下式求解其每行最优解： 其中，表示Yu第i行第j列元素从0变为1时目标函数的增量； 得到的Yu第i行的更新策略如下： 步骤5：固定样本软标签U，更新锚点软标签V优化目标函数 当U固定时，优化问题等价于： 其中，将上述求矩阵最大迹问题展开得： 其中，·ij表示矩阵第i行第j列元素； 该问题中锚点标签矩阵Yv的每一行的求解是独立的过程，依次按下式求解其每行最优解： 其中，表示Yv第i行第j列元素从0变为1时目标函数的增量，·i·表示矩阵的第i行，··j表示矩阵的第j列；得到Yv第i行的更新策略如下： 步骤6：通过步骤4和步骤5对样本标签U和锚点标签V交替优化得到直接目标函数收敛后的二值样本标签矩阵Yu和锚点标签矩阵Yv，其每一行中唯一的“1”元素直接反映了样本点或锚点对应图像所属的簇类别。

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北工业大学，其通讯地址为：710072 陕西省西安市友谊西路；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。