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！

龙图腾网获悉山西大学申请的专利一种融合低秩核学习和自适应超图的图像聚类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：CN115631361B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202211249403.0，技术领域涉及：G06V10/762；该发明授权一种融合低秩核学习和自适应超图的图像聚类方法是由杜宇慧;牛菊设计研发完成，并于2022-10-12向国家知识产权局提交的专利申请。

本一种融合低秩核学习和自适应超图的图像聚类方法在说明书摘要公布了：本发明涉及图像聚类领域，公开了一种融合低秩核学习和自适应超图的图像聚类方法，该方法包括如下步骤：S1，获取图像数据；S2，通过低秩共识核学习、核空间下图像数据自表达和自适应超图正则化，迭代地构建超图和更新超图拉普拉斯矩阵、系数矩阵、共识核矩阵和候选核权重，直到达到收敛条件；S3，应用所述S2步骤得到的系数矩阵构造相似度矩阵；S4，应用所述S3步骤得到的相似度矩阵，调用谱聚类算法，得到聚类结果。本发明方法集成自适应超图正则化、核空间下数据自表达和低秩核学习到一个框架中，实现了三者的交替指导和动态提升，优化地利用了不同候选核下的样本关联性，挖掘了更稳定的高阶关系，从而更深层次地挖掘数据的内在结构。

本发明授权一种融合低秩核学习和自适应超图的图像聚类方法在权利要求书中公布了：1.一种融合低秩核学习和自适应超图的图像聚类方法，其特征在于：所述方法包括如下步骤： S1，获取图像数据； S2，通过低秩共识核学习、核空间下图像数据自表达和自适应超图正则化，迭代地构建超图和更新超图拉普拉斯矩阵、系数矩阵、共识核矩阵和候选核权重，直到达到收敛条件； 所述步骤S2的具体过程为： 公式1所示模型能直接从图像数据中学得系数矩阵、共识核矩阵、候选核权重，模型如下： ； ； 其中，第一项是核空间下数据自表达约束项，第二项是系数矩阵的稀疏或低秩正则项，第三项是共识核学习约束项，第四项是共识核的低秩正则项，第五项是自适应超图正则项； 给定个候选核矩阵，是第个候选核矩阵，表示第个候选核矩阵中第行第列的元素，是系数矩阵，是共识核矩阵，是候选核权重向量，是第个候选核对应的权重，表示未知的核映射函数，，是Frobenius范数，第一项可转化为，为或，和分别是范数和核范数，是标准化的超图拉普拉斯矩阵，、、和是惩罚参数； 采用交替方向乘子法求解公式1中，，，步骤如下：首先，在公式1中分离变量，引入变量和，并添加相应的约束；然后，重写公式1对应的增广拉格朗日函数： ； 其中，是惩罚参数，和是拉格朗日乘子；最后，为了获得最小化增广拉格朗日函数2的最优解，，，迭代更新，，，也随自适应变化，并利用可行性误差更新拉格朗日乘子，当满足收敛条件时，迭代停止； S3，应用所述S2步骤得到的系数矩阵构造相似度矩阵； S4，应用所述S3步骤得到的相似度矩阵，调用谱聚类算法，得到聚类结果。

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山西大学，其通讯地址为：030006 山西省太原市坞城路92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。