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！

龙图腾网获悉厦门理工学院申请的专利基于多通道对比的多源数据分类方法、装置、设备和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：CN121093098B 。

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：202511621287.4，技术领域涉及：G06F18/241；该发明授权基于多通道对比的多源数据分类方法、装置、设备和介质是由李建敏;曾葆;谢彦欣;肖顺鑫;陈思;王大寒;朱顺痣设计研发完成，并于2025-11-07向国家知识产权局提交的专利申请。

本基于多通道对比的多源数据分类方法、装置、设备和介质在说明书摘要公布了：基于多通道对比的多源数据分类方法、装置、设备和介质，涉及多源数据分类技术领域。方法包含：获取多源数据集。根据多源数据集的属性矩阵，构造相似度的稀疏邻接矩阵。将属性矩阵和稀疏邻接矩阵编码，获取各数据源的初始嵌入。融合网络融合各嵌入获取一致嵌入，然后生成共识标签。通过解码器对初始嵌入进行重构，并最小化重构的特征和属性矩阵之间的重构损失。引入多通道对比机制对不同卷积通道的同一层级的图卷积层输出的嵌入表示进行对比和对齐。获取各个嵌入表示的伪标签，并使用共识标签和各个伪标签进行全局一致性对齐。根据共识标签和真实标签，通过交叉熵损失函数完成多源数据分类任务的监督优化，获取训练好的模型。

本发明授权基于多通道对比的多源数据分类方法、装置、设备和介质在权利要求书中公布了：1.一种基于多通道对比的多源数据分类方法，其特征在于，包含： 获取多源数据集； 根据多源数据集的属性矩阵，利用KNN算法计算各数据源的数据点间的相似度，构造相似度的稀疏邻接矩阵； 将属性矩阵和稀疏邻接矩阵输入图神经网络进行编码，获取各数据源的初始嵌入；图神经网络为每个数据源设置一个卷积通道，每个图卷积通道串联设置有多个图卷积层； 通过融合网络融合各嵌入获取一致嵌入，然后通过分类器生成共识标签； 在训练阶段还包含： 通过解码器对初始嵌入进行重构，并最小化重构的特征和属性矩阵之间的重构损失； 引入多通道对比机制对不同卷积通道的同一层级的图卷积层输出的嵌入表示进行对比和对齐；具体包括：针对不同源数据的同一层级的图神经网络的卷积层输出的嵌入表示之间，计算余弦相似度，以度量跨源数据层间的相似性并构建相似度矩阵；；式中，为根据和构建的相似度矩阵、表示第个源数据的图神经网络的第层输出的第个数据点的嵌入表示、表示第个源数据的图神经网络的第层输出的第个数据点的嵌入表示、表示L2范数；对不同源数据的同一层级的图神经网络的卷积层输出的嵌入表示，通过分类头得到伪标签，并构建每个源数据的伪标签矩阵；；式中,表示第个源数据和第个源数据由图神经网络的第层输出的第个数据点和第个数据点对应的伪标签构建的伪标签矩阵元素；表示第个源数据和第个源数据由图神经网络的第层输出的跨源数据嵌入中的第个数据点的预测类别概率向量；表示第个源数据和第个源数据由图神经网络的第层输出的跨源数据嵌入中的第个数据点的预测类别概率向量；为相似性阈值；通过对比学习的方式，对齐所述相似度矩阵和伪标签矩阵，以使嵌入特征结构受到类信息约束；；式中，为对比损失；为任意两个源数据组合的组合数；为组合的序号；表示第个源数据组合的图神经网络的第层输出的第个数据点的伪标签矩阵元素；表示log函数；表示自然指数函数；为第个源数据组合的图神经网络的第层输出的相似度、表示数据点的数量；表示第个源数据组合的图神经网络的第层输出的第个数据点和第个数据点对应的伪标签构建的伪标签矩阵元素； 获取各个嵌入表示的伪标签，并使用共识标签和各个伪标签进行全局一致性对齐； 根据共识标签和真实标签，通过交叉熵损失函数完成多源数据分类任务的监督优化，获取训练好的模型；训练好的模型包含所述图神经网络、所述融合网络和所述分类器。

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厦门理工学院，其通讯地址为：361024 福建省厦门市集美区理工路600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。