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！

龙图腾网获悉华东理工大学申请的专利一种具有局部和全局结构保持的多视角多流形分类器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：CN116310467B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202211106294.7，技术领域涉及：G06V10/764；该发明授权一种具有局部和全局结构保持的多视角多流形分类器是由王喆;李冬冬;冯文熠;杨海设计研发完成，并于2022-09-11向国家知识产权局提交的专利申请。

本一种具有局部和全局结构保持的多视角多流形分类器在说明书摘要公布了：本发明公开了一种具有局部和全局结构保持的多视角多流形分类器。在通过多个经验核映射获得的特征空间中，本发明使用非线性特征提取来保持来自多个视图的原始数据的内在低维嵌入。其次，本发明利用表示多流形信息的类间图和表示子流形信息的类内图来约束判别超平面的训练。本发明弥补了现有的多视角分类器忽视原始样本流形结构的缺陷，利用每个视图数据点周围的局部和全局几何信息，提升了多视角数据的分类效果。

本发明授权一种具有局部和全局结构保持的多视角多流形分类器在权利要求书中公布了：1.一种具有局部和全局结构保持的多视角多流形分类器，其特征在于，该分类器的训练方法包括以下步骤： 1将原始样本数据划分为训练集和测试集两部分； 2通过经验核映射，将不同视角的样本分别映射到各自的特征空间，进行扩展后得到核特征空间中的样本集； 3使用多流形信息特征提取方法提取样本特征，通过对分类超平面的训练进行约束，实现最大化类间可分性、最小化类内散度的约束项如下： 是用来最小化类内散度的正则化项，其中wv是需要训练的第v个视角的分类超平面，Yv是经经验核映射后第v个视角上的数据集，Lw是根据数据集Yv计算出的类内拉普拉斯矩阵； 是用来最大化类间可分性的正则化项，其中M是加权类中心矩阵，Lb是类间拉普拉斯矩阵； 最大化类间可分性同时最小化类内散度，通过使下式最小化而实现： 其中β和γ是相应项的正则化参数； 4将多流形学习引入基于核的多视角框架中，得出训练样本的训练结果，训练步骤中建立目标函数时采用MHKS基分类器，结合经验核映射，此分类器的目标函数由五部分组成： 第一部分Rempfv是经验风险项，该经验风险项定义为： Rempfv＝Yvwv-1N×1-bvT×Yvwv-1N×1-bv 其中fv表示第v个视角上的子分类器，Yv是由经验核映射到特征空间的训练集，加权投影向量wv是分类超平面，bv是边距向量且每个元素值非负，1N×1是所有分量都设置为1的N维列向量； 第二部分Rregfv是惩罚粗糙度的正则化项，该惩罚粗糙度的正则化项定义为： 正则化项惩罚第v个视角上的分类器fv的粗糙度或平滑度，第一部分和第二部分组成了MHKS基分类器； 第三部分Rwfv是最小化类内拉普拉斯散度的正则化项，该最小化类内拉普拉斯散度的正则化项定义为： 第四部分Rbfv是最大化类间拉普拉斯散度的正则化项，该最大化类间拉普拉斯散度的正则化项定义为： 第五部分RIFSLF在多个视角的输出的一致性惩罚中起作用，RIFSLF定义为： 其中F为总分类器； 综合上述五个部分，得到最终的目标函数为： 其中，α、β、γ、λ为相应项的参数，V表示总视角数； 5测试步骤中，将测试样本代入到多视角多流形分类器对应的判别函数中进行识别。

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华东理工大学，其通讯地址为：200030 上海市徐汇区梅陇路130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。