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！

龙图腾网获悉浪潮通用软件有限公司申请的专利图像数据降维方法、系统及计算机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：CN120563955B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202511013006.7，技术领域涉及：G06V10/77；该发明授权图像数据降维方法、系统及计算机设备是由蒋传辉;郑伟波;韩嘉懿;丁一凡;郑伟航;刘金桐设计研发完成，并于2025-07-23向国家知识产权局提交的专利申请。

本图像数据降维方法、系统及计算机设备在说明书摘要公布了：本发明属于图像处理技术领域。提出了一种图像数据降维方法、系统及计算机设备，对图像样本集中的每个图像样本基于欧氏距离寻找近邻图像样本以建立近邻连接图；在近邻连接图上计算两图像样本间的最短路径以确定空间距离矩阵；根据空间距离矩阵确定图像样本集降维之后的内积矩阵；对内积矩阵进行特征值分解，从分解得到的特征值中选择最大的设定个数的特征值组成对角矩阵，根据对角矩阵确定特征向量矩阵，根据对角矩阵和特征向量矩阵确定调整后的内积矩阵；根据调整后的内积矩阵确定降维后的每个图像样本的低维坐标。本发明既保留了图像样本在局部邻域中线性重构关系，又能够保留高维流形的全局几何结构。

本发明授权图像数据降维方法、系统及计算机设备在权利要求书中公布了：1.一种图像数据降维方法，其特征在于，包括以下过程： 对图像样本集中的每个图像样本基于欧氏距离寻找近邻图像样本，根据近邻图像样本建立近邻连接图；近邻连接图中，图像样本和图像样本互为对方的最近邻图像样本； 在近邻连接图上计算两图像样本间的最短路径以确定空间距离矩阵； 根据空间距离矩阵确定图像样本集降维之后的内积矩阵，其中，内积矩阵上的两个图像样本之间的距离等于空间距离矩阵上的两个图像样本之间的距离； 对内积矩阵进行特征值分解，从分解得到的特征值中选择最大的设定个数的特征值组成对角矩阵，根据对角矩阵确定特征向量矩阵，根据对角矩阵和特征向量矩阵确定调整后的内积矩阵； 根据调整后的内积矩阵确定降维后的每个图像样本的低维坐标，降维后的每个图像样本能通过邻域图像样本的坐标线性组合重构，且线性组合重构方式与降维前对应图像样本的线性组合重构方式相同； 对图像样本集中的每个图像样本，通过图像样本的邻域样本、和的坐标线性组合重构：，对图像样本集中的对应图像样本，通过图像样本的邻域样本的坐标线性组合重构：，、、分别代表线性系数，、和分别为、和在低维对应的图像样本； 低维坐标同时满足三层重构关系： ； 其中，代表微观邻域的约束权重，代表中观领域的约束权重，代表宏观领域的约束权重，代表低维空间中样本点的坐标集合，代表范数； 以得到的近邻连接图为基础，对近邻连接图中的和用Dijkstra算法计算最短路径长度，维护起点到各点距离估计，迭代选择距离最小且未确定的点，更新其邻点距离，直到终点被访问； 遍历所有点对，得到空间距离矩阵，其中的每个元素代表和的最短路径距离； 通过密度自适应值基于欧氏距离寻找近邻图像样本，使得每个图像样本的近邻数随局部密度动态调整； 对高维的图像样本，先计算其与其他所有的图像样本的欧氏距离，取最小的个距离的均值作为局部密度指标： ； 其中，是初始近邻集合，为预设常数，越小表示所在区域越密集； 设定全局基准近邻数，根据局部密度调整实际近邻数 其中，是全局平均密度，代表图像样本的个数，是近邻数上下限； 对每个，按筛选欧氏距离最近的个点，建立近邻边，得到自适应的近邻连接图。

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浪潮通用软件有限公司，其通讯地址为：250000 山东省济南市历下区浪潮路1036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。