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！

龙图腾网获悉济南大学申请的专利一种基于协同训练的深度多视图聚类方法及系统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：CN116644327B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202310638508.3，技术领域涉及：G06F18/23213；该发明授权一种基于协同训练的深度多视图聚类方法及系统是由周劲;陈聪;韩士元;王琳;陈月辉;杜韬;杨程;刘博文设计研发完成，并于2023-05-30向国家知识产权局提交的专利申请。

本一种基于协同训练的深度多视图聚类方法及系统在说明书摘要公布了：本发明提出了一种基于协同训练的深度多视图聚类方法及系统，涉及数据挖掘和机器学习领域，具体方案包括：获取待聚类的多视图，用每个视图预训练自己的深度自编码模型；计算每个视图的亲和矩阵，设置每个视图的初始权重和视图间的初始动态学习因子；对每个视图的深度自编码模型进行迭代的正式训练，更新每个视图的权重和视图间的动态学习因子，直到满足预设的迭代停止条件，输出最终的隐层特征和聚类中心；基于最终的隐层特征和聚类中心，得到聚类结果；本发明设计了基于动态协同训练的深度多视图加权图嵌入聚类算法，针对多视图数据，采用动态协同训练思想，深入挖掘多视图间的互补信息，提高面向于多视图数据集的聚类效果。

本发明授权一种基于协同训练的深度多视图聚类方法及系统在权利要求书中公布了：1.一种基于协同训练的深度多视图聚类方法，其特征在于，包括： 获取待聚类的多视图，用每个视图预训练自己的深度自编码模型；所述多视图包括具有不同语言翻译版本的信息数据、具有不同形式的富文本信息、不同角度摄像机收集的人体动作捕捉数据；所述深度自编码模型，包括编码器、解码器和聚类层；所述编码器，对输入的视图样本进行降维处理，得到视图的隐层特征；所述解码器，基于视图的隐层特征，重构出新的视图样本；所述聚类层，基于视图的隐层特征，利用k-means得到聚类中心； 计算每个视图的亲和矩阵，所述亲和矩阵，基于径向基函数的距离，量化样本间的相似度；设置每个视图的初始权重和视图间的初始动态学习因子； 基于每个视图的亲和矩阵、初始权重和视图间的初始动态学习因子，对每个视图的深度自编码模型进行迭代的正式训练，更新每个视图的权重和视图间的动态学习因子，直到满足预设的迭代停止条件，输出最终的隐层特征和聚类中心；所述每个视图的权重，具体公式为： 其中，表示视图的权重，分别表示视图的聚类项、图嵌入约束项，分别表示聚类、图嵌入约束的超参数； 基于最终的隐层特征和聚类中心，得到聚类结果； 其中，所述深度自编码模型，以视图的样本为输入、以隐层特征和聚类中心为输出，预训练以MSE重构损失为目标函数，正式训练时，基于每个视图的亲和矩阵、权重和视图间的动态学习因子，构建目标函数；所述正式训练的目标函数，由重构损失函数、聚类损失函数、图嵌入约束损失函数和权重熵损失函数组成，采用随机梯度下降的方法完成一次整体算法的迭代；所述视图间的动态学习因子，具体公式为： 其中，为一个大于0的参数，用来控制学习因子更新的速度，表示两个视图价值的度量，是当前视图的学生t分布，是目标视图的学生t分布，表示全局学生t分布，用来作为所有视图的全局共识。

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济南大学，其通讯地址为：250022 山东省济南市市中区南辛庄西路336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。