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！

龙图腾网获悉北京邮电大学申请的专利一种基于层次化提示引导对齐的多视图聚类方法及装置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：CN120976590B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202510996814.3，技术领域涉及：G06V10/762；该发明授权一种基于层次化提示引导对齐的多视图聚类方法及装置是由薛哲;包诗峰;杜军平;欧仕龙设计研发完成，并于2025-07-18向国家知识产权局提交的专利申请。

本一种基于层次化提示引导对齐的多视图聚类方法及装置在说明书摘要公布了：本发明提供一种基于层次化提示引导对齐的多视图聚类方法及装置，针对目标场景获取待聚类多视图数据，构建主层结构生成初步语义特征表示；再构建嵌入层结构，通过局部和全局提示生成网络及双映射编码器得到局部与全局高层语义表示，引入注意力机制融合各模态局部高层语义表示得到融合语义表示；接着构建标签层，利用伪标签生成模块生成多种伪标签，选取最大值归一化得到全局聚类标签；最后采用对比学习等构建联合损失对相关结构和模块进行参数更新，从而生成聚类结果。该方法通过层次化提示引导和多层面的对齐操作，充分挖掘多视图数据各模态的有效信息并进行深度融合，有效提升了多视图聚类的精度和鲁棒性，使得聚类结果能够更准确地反映数据的真实语义结构。

本发明授权一种基于层次化提示引导对齐的多视图聚类方法及装置在权利要求书中公布了：1.一种基于层次化提示引导对齐的多视图聚类方法，其特征在于，该方法包括以下步骤： 针对目标场景获取待聚类的多视图数据，所述多视图数据包含多个样本，所述样本存在多个模态的视图； 构建主层结构，采用主层提示编码器以所述样本为输入并输出其每个模态的主层级提示向量，将每个模态的所述主层级提示向量与原数据相加并输入浅层编码器得到每个模态的初步语义特征表示； 构建嵌入层结构，针对各模态分别建立局部提示生成网络以对应模态的所述初步语义特征表示为输入并输出局部提示；建立全局提示生成网络以基于自适应权重参数融合后的各初步语义特征表示为输入并输出全局提示；将所述样本中每个模态对应的所述初步语义特征表示、所述局部提示和所述全局提示融合后通过第一映射编码器投影至语义聚类空间得到对应的局部高层语义表示；将所述全局提示通过第二映射编码器投影至所述语义聚类空间得到对应的全局高层语义表示；对所述样本各模态的所述局部高层语义表示引入注意力机制进行融合得到融合语义表示； 构建标签层，将所述样本各模态的所述局部高层语义表示输入表征级伪标签生成模块得到各模态对应的局部伪标签，将所述融合语义表示输入所述表征级伪标签生成模块得到融合伪标签；将所述全局高层语义表示输入提示级伪标签生成模块得到全局伪标签；针对各分类类别在所述局部伪标签、所述融合伪标签和所述全局伪标签中选取最大值进行归一化得到全局聚类标签； 采用对比学习将所述嵌入层结构和所述标签层进行对齐操作建立对比损失；计算所述全局聚类标签和所述融合伪标签的分布概率差异并抑制所述局部伪标签和所述全局伪标签的信息熵，构建前向对齐损失；采用过渡映射模块对所述局部伪标签和所述全局伪标签进行过渡映射，并与原所述全局伪标签和所述全局聚类标签计算分布概率差异构建反向反馈损失；基于所述对比损失、所述前向对齐损失和所述反向反馈损失构建联合损失对所述嵌入层结构、所述标签层、所述过渡映射模块进行参数更新，基于更新后得到的所述全局聚类标签生成聚类结果。

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北京邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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。