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！

龙图腾网获悉安徽工业大学申请的专利一种基于细粒度对比学习与特征融合的多视图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：CN119719817B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411892157.X，技术领域涉及：G06F18/23；该发明授权一种基于细粒度对比学习与特征融合的多视图聚类方法是由侯书东;魏旭;郭兰兰设计研发完成，并于2024-12-20向国家知识产权局提交的专利申请。

本一种基于细粒度对比学习与特征融合的多视图聚类方法在说明书摘要公布了：本发明公开了一种基于细粒度对比学习与特征融合的多视图聚类方法，属于计算机视觉技术领域。本发明通过计算每个视图特征与融合特征的互信息分数动态调整融合权重，这样主要的含有较多信息的视图就会受到主要关注；并通过得到的伪标签概率矩阵得到视图内样本邻接关系，并通过综合所有视图间样本关系引入强弱关系，对强样本对之间进行更强的对比学习，拉近或拉远它们之间的距离；进而为进一步解决多视图聚类问题带来了新的技术解决方案。

本发明授权一种基于细粒度对比学习与特征融合的多视图聚类方法在权利要求书中公布了：1.一种基于细粒度对比学习与特征融合的多视图聚类方法，其特征在于，包括以下步骤： S1：准备原始数据集，原始数据集包括多个样本的多个视图； S2：将输入的各个视图送入编码器Ev中提取潜在特征，然后利用解码器Dv得到重构表示，并引入重构损失Lrec，其中解码器与编码器结构对称； S3：在提取视图特征之后，通过叠加共享的线形层并在最后一层使用softmax函数输出样本的分类概率，并引入一致性损失LPC，以实现端到端的聚类分配； S4：通过初始化平均权重加权获得融合特征，融合特征包括所有视图的全局信息，将全局伪标签概率作为基值，通过计算评估每个视图的伪标签与全局伪标签概率矩阵的互信息分数动态获得调节因子，以调节视图融合的自适应权重；并在特征层面、伪标签概率软分配层面上施加相应的损失约束； S5：针对每个视图的伪标签分配QV，对样本的伪标签进行广播操作得到各个视图内部的一个布尔矩阵代表邻接关系，对布尔矩阵求和得到全局邻接关系矩阵G，基于全局邻接关系矩阵G进行强伪标签对比学习与弱伪标签对比学习，并定义特征对比损失； S6：基于上述学习过程，构建综合损失函数Lall； S7：利用综合损失函数Lall对模型进行训练，直到模型收敛或达到终止条件保存训练后的模型； S8：将保存得到的模型应用于多视图聚类任务中，完成多视图聚类工作。

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安徽工业大学，其通讯地址为：243032 安徽省马鞍山市经济技术开发区南区嘉善科技园2号楼；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。