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！

龙图腾网获悉哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)申请的专利一种基于变分自动编码器的不完整多视角聚类系统、方法及存储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：CN118171128B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202410415796.0，技术领域涉及：G06F18/2321；该发明授权一种基于变分自动编码器的不完整多视角聚类系统、方法及存储介质是由文杰;许戈辉设计研发完成，并于2024-04-08向国家知识产权局提交的专利申请。

本一种基于变分自动编码器的不完整多视角聚类系统、方法及存储介质在说明书摘要公布了：本发明提供了一种基于变分自动编码器的不完整多视角聚类系统、方法及存储介质，该不完整多视角聚类系统包括深度多视角概率编码网络模块、多视角特征融合模块、特征一致性保持模块、聚类分配模块和深度多视角概率解码网络模块。本发明的有益效果是：1本发明首次将概率编码器应用于不完整多视角聚类任务，能够灵活、高效的处理具有任意缺失视角数据的聚类任务而无需额外的数据补全步骤，提出的模型复杂度与视角数量呈线性关系，可以适用于具有多个视角的场景；2本发明采用了基于分布的聚类预测方法，在提出的模型中可以直接获得聚类预测结果，而无需对提取的特征执行额外的聚类算法来获得最终结果。

本发明授权一种基于变分自动编码器的不完整多视角聚类系统、方法及存储介质在权利要求书中公布了：1.一种基于变分自动编码器的不完整多视角聚类系统，其特征在于，包括深度多视角概率编码网络模块、多视角特征融合模块、特征一致性保持模块、聚类分配模块和深度多视角概率解码网络模块，其中， 所述深度多视角概率编码网络模块：将原始的高维数据编码映射到低维的特征空间并获得数据的特征分布，实现从信息冗余的原始多视角数据提取到浓缩的信息； 所述多视角特征融合模块：将不同视角下的数据特征视为视角专家，采用专家乘积方式，实现在任意视角数据缺失的情况下，有效地融合未缺失视角数据的数据特征，得到不同视角专家一致认可的、包含多个视角间共享信息的融合特征； 所述特征一致性保持模块：减小融合特征和各个视角特征之间的分布差异，减轻部分视角数据缺失情况下融合特征中可能存在的信息不平衡问题；所述聚类分配模块：通过融合特征推断聚类分配，在模型训练时生成类别伪标签引导模型学习具有较好聚类结构的特征，并在模型训练完成后，直接通过该聚类分配模块获得聚类结果； 所述深度多视角概率解码网络模块：解码网络根据融合特征解码生成多视角重构数据，并通过最小化原始数据与重构数据之间的重构损失，使得融合特征保留更多的信息； 该不完整多视角聚类系统处理的数据包括图像数据、音频数据、文本数据；在所述多视角特征融合模块中，将不完整多视角数据经由深度多视角概率编码网络模块获得的输出定义为其中N为不完整多视角数据的总样本数，V代表输入数据的总视角数，为第i个不完整多视角输入样本第v个视角数据编码得到的视角特征，该特征对应一个概率分布，μ代表其均值向量，σ代表其协方差矩阵的对角方差对应的标准差向量，采用基于视角缺失索引信息的多视角特征融合模块来融合多个视角的视角特征得到： 其中，为第i个输入样本的融合特征，M为视角缺失索引矩阵，若第i个输入样本的第v个视角数据缺失，则Miv＝0，否则Miv＝1； 在所述特征一致性保持模块中，采用以下基于融合特征对应分布与视角特征对应分布之间相对熵的特征一致性损失函数：

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哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)，其通讯地址为：518000 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区；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”。