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！

龙图腾网获悉同济大学申请的专利一种基于聚类贝叶斯优化的稀疏地图构建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：CN116361407B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202310243334.0，技术领域涉及：G06F16/29；该发明授权一种基于聚类贝叶斯优化的稀疏地图构建方法是由李莉;李成希;龚炜;于青云设计研发完成，并于2023-03-14向国家知识产权局提交的专利申请。

本一种基于聚类贝叶斯优化的稀疏地图构建方法在说明书摘要公布了：本发明涉及一种基于聚类贝叶斯优化的稀疏地图构建方法，包括以下步骤：1构建初始数据集，并构建和训练初始代理模型；2根据硬聚类算法和自定义距离判断标准将地图中的采样点分配到初始聚类中心，并迭代计算新的聚类中心；3计算先验概率分布，并得到基于空间聚类的贝叶斯优化采集函数；4选择令采集函数数值最大的空间点为新的最佳采样点，获取最佳采样点的信息和最小化不确定度；5扩充初始数据集，对初始代理模型进行更新；6若新的代理模型的误差大于阈值，则执行4，若误差小于阈值或达到最大迭代次数，则进入7；7根据新的代理模型构建完整的稀疏地图。与现有技术相比，本发明具有更高的精度和更强的鲁棒性等优点。

本发明授权一种基于聚类贝叶斯优化的稀疏地图构建方法在权利要求书中公布了：1.一种基于聚类贝叶斯优化的稀疏地图构建方法，其特征在于，所述的方法包括以下步骤： 1构建初始数据集，并在此基础上利用高斯过程回归训练初始代理模型； 2根据硬聚类算法和自定义距离判断标准，将地图全空间中的采样点分配到初始聚类中心，并根据分配结果迭代计算新的聚类中心，直至总距离最小； 3根据最终聚类结果计算先验概率分布，并得到基于空间聚类的贝叶斯优化采集函数； 4选择令采集函数数值最大的空间点为新的最佳采样点，在最佳采样点进行数据观测，获取最佳采样点的信息和最小化不确定度； 5利用最佳采样点的信息对初始数据集进行扩充，并根据扩充的数据集对初始代理模型进行更新，得到新的代理模型； 6判断新的代理模型的误差效果，若误差大于阈值，则执行4，若误差小于阈值或达到最大迭代次数，则进入7； 7根据得到的新的代理模型，利用稀疏有限的采样点，构建完整的稀疏地图； 所述的自定义距离判断标准为： 其中，表示定义的空间距离，表示输入向量，表示空间中任意采样点的位置，表示该点的信号强度，表示迭代后得出的第j个初始空间聚类中心，表示当前迭代下的地图聚类中心点，表示处的信号强度，表示缩放参数； 所述的硬聚类算法的表达式为： 其中，表示全体地图空间，表示聚类中心的集合。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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。