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！

龙图腾网获悉中南大学申请的专利散点图相似性度量方法、终端设备及存储介质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：CN115564974B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202211362223.3，技术领域涉及：G06V10/74；该发明授权散点图相似性度量方法、终端设备及存储介质是由奎晓燕;唐航;杜华坤;张潮;邹北骥;廖胜辉设计研发完成，并于2022-11-02向国家知识产权局提交的专利申请。

本散点图相似性度量方法、终端设备及存储介质在说明书摘要公布了：本发明公开了一种散点图相似性度量方法、终端设备及存储介质，使用PointNet作为特征提取器，并将采样操作融入相似性度量方法中，借助PointNet在二维点云上进行对比学习训练，使用点云数据作为输入能使度量结果独立于散点图的可视化表示，让网络能够学习到散点数据本身的特征；采样操作能使不规则的点云数据更好地配合PointNet；不同的数据增强操作引导网络的学习方向，以度量散点图不同维度上的相似性。本发明不需要带标签的数据，解决了人工获得标签成本高，以及不同人主观判断的不同而使结果产生偏差的问题。

本发明授权散点图相似性度量方法、终端设备及存储介质在权利要求书中公布了：1.一种散点图相似性度量方法，其特征在于，包括以下步骤： S1、获取多个散点图的原始点云数据集S； S2、对所述原始点云数据集S中的每个散点图进行采样，获得采样后的数据集P； S3、对所述数据集P中的每个散点图进行数据增强，获得增强数据集P＇； S4、将所述数据集P和增强数据集P＇分别作为PointNet网络的输入，提取数据集P和增强数据集P＇的特征，得到第一特征集H和第二特征集H＇； S5、计算第一特征集H和第二特征集H＇的相似度，得到相似度矩阵V； S6、利用所述相似度矩阵V计算PointNet网络的对比损失函数L； S7、最小化所述对比损失函数L，优化所述PointNet网络的参数； S8、重复步骤S4～S7，当达到预设的迭代次数或对比损失函数L收敛时，得到散点图的特征提取网络； S9、从对比学习网络中将能提取散点图特征的部分分离出来，得到一个散点图的特征提取网络N； S10、使用步骤S9得到的网络N提取散点图的特征，通过特征之间的距离计算散点图之间的相似性。

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中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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。