中国人民解放军国防科技大学张新禹获国家专利权
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基于无监督特征选择的图像特征降维方法、装置及设备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：CN116310610B 。
龙图腾网通过国家知识产权局官网在2026-01-13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：202211624660.8，技术领域涉及：G06V10/771；该发明授权基于无监督特征选择的图像特征降维方法、装置及设备是由张新禹;郑钧璟;霍凯;姜卫东;刘永祥;张双辉;夏靖远;杨磊设计研发完成，并于2022-12-16向国家知识产权局提交的专利申请。
本基于无监督特征选择的图像特征降维方法、装置及设备在说明书摘要公布了：本申请涉及一种基于无监督特征选择的图像特征降维方法、装置及设备。所述方法包括：通过将样本图像基于像素进行展开得到对应的样本向量，并将各样本向量进行排列构成数据矩阵，再基于数据矩阵以及半正定约束，构建SPCA无监督特征选择凸模型，并交替利用导数与半正定投影对SPCA无监督特征选择凸模型进行迭代求解，直至收敛，得到最优重构矩阵，根据最优重构矩阵对数据矩阵进行特征降维。采用本方法能够同时兼顾图像特征降维的性能、算法稳定性与运算效率。
本发明授权基于无监督特征选择的图像特征降维方法、装置及设备在权利要求书中公布了：1.基于无监督特征选择的图像特征降维方法，其特征在于，所述方法包括： 获取多张样本图像，将各张样本图像基于像素进行展开得到对应的样本向量，并将各所述样本向量进行排列构成数据矩阵； 基于所述数据矩阵以及半正定约束，构建SPCA无监督特征选择凸模型：其中，X表示所述数据矩阵，Ω表示重构矩阵，表示d维的半正定锥空间，||Ω||2,1表示Ω的l2,1范数，||Ω||*表示Ω的核范数，λ和η均大于0为其正则项系数； 交替利用导数与半正定投影对所述SPCA无监督特征选择凸模型进行迭代求解，直至收敛，得到最优重构矩阵； 根据所述最优重构矩阵的列向量模长对所述样本向量中的每个特征进行降序排列，并从中挑选出前预设数量的特征序号； 根据所述特征序号在所述数据矩阵中挑选出对应的像素构建得到特征降维后的新数据矩阵，以实现图像特征降维。
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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励