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！

龙图腾网获悉西安工程大学申请的专利基于复合子空间的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：CN116758320B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202310753855.0，技术领域涉及：G06V10/762；该发明授权基于复合子空间的图像聚类方法是由杨博;李猛;刘姿邑设计研发完成，并于2023-06-25向国家知识产权局提交的专利申请。

本基于复合子空间的图像聚类方法在说明书摘要公布了：本发明公开了基于复合子空间的图像聚类方法，具体按照以下步骤实施：步骤1、预训练卷积自动编码器；步骤2、训练复合子空间图像聚类网络；步骤3、应用谱聚类得到聚类结果。本发明采用无监督学习的方式实现图像聚类，通过同时学习输入空间和潜在空间中的自表达系数获得一个明确的非线性映射，将输入样本嵌入到相应的深度表征中，从而更好地捕获子空间结构，提高聚类精度。

本发明授权基于复合子空间的图像聚类方法在权利要求书中公布了：1.基于复合子空间的图像聚类方法，其特征在于：具体按照以下步骤实施： 步骤1、预训练卷积自动编码器； 步骤2、训练复合子空间图像聚类网络； 步骤3、应用谱聚类得到聚类结果； 所述步骤2具体为：构建复合子空间图像聚类网络，将所述步骤1中保存的网络参数作为初始值加载到复合子空间图像聚类网络中，随机初始化网络中的其他参数，以损失函数目标进行训练，训练复合子空间图像聚类网络，得到训练好的复合子空间图像聚类网络； 所述复合子空间图像聚类网络包括特征提取模块和自表达模块，其中，特征提取模块是步骤1中的卷积自动编码器，自表达模块采用一层没有偏置和激活函数的全连接层实现，该层的输入有n个神经元是编码器的输出，该层的输出是解码器的输入，是编码器的输出，表示对应的潜在表示，表示处于P维特征空间中，是全连接层的网络参数，大小为n乘n； 所述复合子空间图像聚类网络的损失函数为L，包含四个损失项，第一个损失项为整个网络的重构误差，用公式1表示： 1 其中，为输入数据，为输出数据，为Frobenius范数；第二个损失项为输入空间的自表达重建误差，用公式2表示： 2 其中，为输入数据，为输入空间的自表达重建，为平衡系数；第三个损失项为潜在空间的自表达重建误差，用公式3表示： 3 其中，为潜在表示，为输入空间的自表达重建，为平衡系数；第四个损失项为自表达系数矩阵的稀疏损失，用公式4表示： 4 其中，为自表达系数矩阵，为平衡系数，总损失； 所述步骤3具体为：将输入数据输入到训练好的复合子空间图像聚类网络中，得到自表达矩阵，根据自表达矩阵构造相似度矩阵，对相似度矩阵应用谱聚类得到最终的聚类结果。

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工程大学，其通讯地址为：710048 陕西省西安市碑林区金花南路19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。