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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利一种超图变分自编码器的多模态半监督表征学习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：CN115359313B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202210960986.1，技术领域涉及：G06V10/774；该发明授权一种超图变分自编码器的多模态半监督表征学习方法是由刘经权;胡卫东;杜小勇设计研发完成，并于2022-08-11向国家知识产权局提交的专利申请。

本一种超图变分自编码器的多模态半监督表征学习方法在说明书摘要公布了：本申请涉及一种超图变分自编码器的多模态半监督表征学习方法，该方法包括：利用多模态数据构造多模态超图，计算得到原始拉普拉斯关系矩阵；利用原始拉普拉斯关系矩阵构建单层超图卷积并提取得到潜在的融合表示；利用变分推理模型对融合表示引入标准高斯分布先验信息并推理得到联合表征结果；对联合表征结果进行内积计算生成重构拉普拉斯关系矩阵；利用KL散度约束生成重构拉普拉斯关系矩阵与原始拉普拉斯关系矩阵的差异信息；根据差异信息采用交叉熵度量多模态数据的标签与融合表示之间的损失，初始化变分自编码器的训练参数并采用Adam算法对优化的目标函数进行梯度下降处理，更新联合表征结果。大幅提高了多模态数据处理性能。

本发明授权一种超图变分自编码器的多模态半监督表征学习方法在权利要求书中公布了：1.一种超图变分自编码器的多模态半监督表征学习方法，其特征在于，包括步骤： 获取多模态数据；所述多模态数据包括雷达特征数据、激光特征数据和图像特征数据； 利用所述多模态数据构造多模态超图； 根据所述多模态超图计算得到原始拉普拉斯关系矩阵； 利用所述原始拉普拉斯关系矩阵构建单层超图卷积，根据所述单层超图卷积提取得到潜在的融合表示； 利用变分推理模型对所述融合表示引入标准高斯分布先验信息，推理得到所述多模态数据的联合表征结果； 对所述联合表征结果进行内积计算，生成重构拉普拉斯关系矩阵； 利用KL散度约束生成所述重构拉普拉斯关系矩阵与所述原始拉普拉斯关系矩阵的差异信息； 根据所述差异信息，采用交叉熵度量所述多模态数据的半监督标签与所述融合表示之间的损失，得到优化的目标函数； 初始化变分自编码器的训练参数并采用Adam算法对所述优化的目标函数进行梯度下降处理，更新所述联合表征结果；所述联合表征结果用于多传感器联合目标识别。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。