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！

龙图腾网获悉长春理工大学申请的专利面向医学影像不完整多视图的自步模糊聚类方法及系统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：CN120997549B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202511508041.6，技术领域涉及：G06V10/762；该发明授权面向医学影像不完整多视图的自步模糊聚类方法及系统是由关媛元;尹芳兵;苗语;师为礼;曲峰;魏国栋;敖宇;张科;秦俊;冯冠元;何巍;何飞;蒋振刚设计研发完成，并于2025-10-22向国家知识产权局提交的专利申请。

本面向医学影像不完整多视图的自步模糊聚类方法及系统在说明书摘要公布了：面向医学影像不完整多视图的自步模糊聚类方法及系统，涉及医学影像智能分析领域。解决了现有多视图聚类技术无法有效处理缺失部分视图数据、组织结构模糊性和缺乏渐进式动态样本选择机制的问题。所述方法包括：采集多视图医学影像数据，构建视图缺失标记矩阵，进行空间配准与特征标准化处理；基于特征空间的K近邻邻域加权重构策略，对存在缺失的视图特征进行补全；采用标准多视图模糊聚类，构建融合视图缺失标记的联合模糊聚类目标函数，采用自适应视图权重分配策略、自步学习策略，定义模糊隶属度熵的聚类模型的置信度；利用交替优化策略分别更新聚类模型的隶属度、聚类中心和视图权重，完成面向医学影像不完整多视图的自步模糊聚类。

本发明授权面向医学影像不完整多视图的自步模糊聚类方法及系统在权利要求书中公布了：1.面向医学影像不完整多视图的自步模糊聚类方法，其特征在于，所述方法包括以下步骤： 步骤1、采集多视图医学影像数据，基于所采集的多视图医学影像数据构建视图缺失标记矩阵，并进行空间配准与特征标准化处理； 步骤2、基于特征空间的K近邻邻域加权重构策略，对步骤1中存在缺失的视图特征进行补全，用于准确估计缺失视图的特征向量； 步骤3、基于步骤2所补全后的特征采用标准多视图模糊聚类，用于快速锁定数据的粗略聚类结构，并输出聚类模型的隶属度更新、聚类中心更新和视图权重更新作为自步学习阶段的初始状态； 步骤4、构建融合视图缺失标记的联合模糊聚类目标函数，采用自适应视图权重分配策略，并引入局部邻域结构，用于保持视图一致性； 步骤5、基于步骤4通过自步学习策略，定义基于模糊隶属度熵的聚类模型的置信度，并优化聚类模型； 步骤6、利用交替优化策略分别更新步骤4中聚类模型的隶属度、聚类中心和视图权重，直至收敛，完成面向医学影像不完整多视图的自步模糊聚类； 步骤2中基于特征空间的K近邻邻域加权重构策略，对步骤1中存在缺失的视图特征进行补全的方法为： 步骤2.1、对每个样本i，计算其已观测视图特征的平均向量，记作， 其中，表示样本i存在的视图集合，为特征补全后的向量； 步骤2.2、局部线性回归确定权重向量： 其中，，设，构造矩阵, 其闭式解为：；为正则化参数， 步骤2.3、对缺失视图v的患者i进行特征补全,得到补全向量， 。

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长春理工大学，其通讯地址为：130022 吉林省长春市卫星路7089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。