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！

龙图腾网获悉苏州工学院申请的专利一种基于自适应图学习的半监督图像聚类方法、系统、计算机存储介质及程序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：CN121121185B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202511659058.1，技术领域涉及：G06V10/762；该发明授权一种基于自适应图学习的半监督图像聚类方法、系统、计算机存储介质及程序是由朱晓建设计研发完成，并于2025-11-13向国家知识产权局提交的专利申请。

本一种基于自适应图学习的半监督图像聚类方法、系统、计算机存储介质及程序在说明书摘要公布了：本发明公开了一种基于自适应图学习的半监督图像聚类方法，包括迭代更新稀疏表示矩阵和成对约束矩阵至目标函数的值不变或达到最大迭代数，以更新后的成对约束矩阵作为输入的相似矩阵调用谱聚类算法将图像样本数据划分为若干样本组完成聚类输出；其中，所述目标函数为基于稀疏表示矩阵和成对约束矩阵的传播一致性误差、基于稀疏表示矩阵的图像样本数据重构误差、稀疏表示矩阵的L1范数以及基于稀疏表示矩阵和成对约束矩阵的矩阵相关性误差的加权和。本发明还公开了实现该方法的系统、计算机存储介质和程序。本发明可能够解决相似图学习和约束传播相分离的问题，提升图像聚类性能。

本发明授权一种基于自适应图学习的半监督图像聚类方法、系统、计算机存储介质及程序在权利要求书中公布了：1.一种基于自适应图学习的半监督图像聚类方法，其特征在于，包括： 迭代更新稀疏表示矩阵和成对约束矩阵至目标函数的值不变或达到最大迭代数，以更新后的成对约束矩阵作为输入的相似矩阵调用谱聚类算法将图像样本数据划分为若干样本组完成聚类输出； 其中，所述目标函数为基于稀疏表示矩阵和成对约束矩阵的传播一致性误差、基于稀疏表示矩阵的图像样本数据重构误差、稀疏表示矩阵的L1范数以及基于稀疏表示矩阵和成对约束矩阵的矩阵相关性误差的加权和； 更新稀疏表示矩阵时采用第一更新公式进行，并将中每个对角元素置为0，对于每个勿连约束，将和都置为0； 更新成对约束矩阵时采用第二更新公式进行，并将中每个对角元素置为0，对于每个勿连约束，将和都置为0，对于每个必连约束，将小于阈值的和置为阈值，以及将W置为其本身和其转置的平均值；为稀疏表示矩阵，为成对约束矩阵，为图像样本数据矩阵，为中样本，为目标函数中图像样本数据重构误差的加权系数，为目标函数中稀疏表示矩阵的L1范数的加权系数，为目标函数中矩阵相关性误差的加权系数，表示逐元素乘法，表示逐元素除法。

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苏州工学院，其通讯地址为：215500 江苏省苏州市常熟经济技术开发区研究院路5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。