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！

龙图腾网获悉厦门大学;厦门大学深圳研究院申请的专利基于深度子空间聚类顺序集成的图像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：CN115359281B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202210549705.3，技术领域涉及：G06V10/762；该发明授权基于深度子空间聚类顺序集成的图像聚类方法及系统是由杨帆;林志强;余忠平;赖永炫设计研发完成，并于2022-05-20向国家知识产权局提交的专利申请。

本基于深度子空间聚类顺序集成的图像聚类方法及系统在说明书摘要公布了：本发明公开一种基于深度子空间聚类顺序集成的图像聚类方法及系统，方法包括：基于输入图像数据与重建图像数据获得初始的图像编码器网络和图像解码器网络；基于随机遮掩视觉特征向量和自我表达的视觉特征向量获得初始的自我表达系数矩阵；固定自我表达系数矩阵，迭代更新图像编码器网络和图像解码器网络；固定图像编码器网络和图像解码器网络，迭代更新自我表达系数矩阵；基于自我表达系数矩阵，迭代更新图像相似度矩阵以及图像集成相似度矩阵；将最终得到的图像集成相似度矩阵作为谱聚类算法的输入，获得图像聚类结果。本发明采用顺序方式依次生成自我表达系数矩阵并直接集成，进而提升深度子空间聚类网络对于图像聚类的性能。

本发明授权基于深度子空间聚类顺序集成的图像聚类方法及系统在权利要求书中公布了：1.一种基于深度子空间聚类顺序集成的图像聚类方法，其特征在于，包括如下步骤： 步骤1，基于输入图像数据与重建图像数据构建图像重建损失函数，通过最小化图像所述重建损失函数获得初始的图像编码器网络和图像解码器网络； 步骤2，基于随机遮掩视觉特征向量和自我表达的视觉特征向量之间的误差构建第一自我表达损失函数，通过最小化所述第一自我表达损失函数获得初始的自我表达系数矩阵；其中，所述随机遮掩视觉特征向量基于输入图像、图像编码器网络和随机遮掩矩阵获得； 步骤3，固定自我表达系数矩阵，基于图像重建及自我表达联合损失函数更新图像编码器网络和图像解码器网络；重复该步骤，直至达到第一迭代次数； 步骤4，固定图像编码器网络和图像解码器网络，基于第二自我表达损失函数更新自我表达系数矩阵；重复该步骤，直至达到第二迭代次数； 步骤5，基于自我表达系数矩阵，更新图像相似度矩阵以及图像集成相似度矩阵； 步骤6，重复步骤3至步骤5，直至达到第三迭代次数； 步骤7，将最终得到的图像集成相似度矩阵作为谱聚类算法的输入，获得图像聚类结果； 重建图像数据为对自我表达的视觉特征向量进行反卷积操作重建出，表示如下： ； 表示如下： ； 其中，表示图像解码器网络；表示自我表达系数矩阵；表示提取的输入图像数据的视觉特征压缩向量；表示随机遮掩后的视觉特征向量；表示随机遮掩矩阵；表示哈达玛积； Z表示如下： ； 其中，表示图像编码器网络； 步骤5中，基于自我表达系数矩阵，更新图像相似度矩阵以及图像集成相似度矩阵，具体如下： 图像相似度矩阵表示如下： ； 图像集成相似度矩阵表示如下： ； 其中，Ft表示当前时刻生成的图像集成相似度矩阵；表示上一时刻的图像集成相似度矩阵；表示当前时刻生成的图像相似度矩阵。

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厦门大学;厦门大学深圳研究院，其通讯地址为：361000 福建省厦门市思明南路422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。