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！

龙图腾网恭喜天津大学申请的专利一种基于集成异构图注意力网络的缺失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：CN114565783B 。

龙图腾网通过国家知识产权局官网在2025-03-18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：202210209256.8，技术领域涉及：G06V10/762；该发明授权一种基于集成异构图注意力网络的缺失多视图聚类方法是由朱鹏飞;姚鑫杰;曹萌;魏乐义;胡清华设计研发完成，并于2022-03-03向国家知识产权局提交的专利申请。

本一种基于集成异构图注意力网络的缺失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集成异构图注意力网络的缺失多视图聚类方法，所述方法主要包括以下步骤：基于非缺失视图学习一个公共的隐表示；基于公共隐表示构建k近邻图，基于不同视图的缺失情况构建特定的缺失模式图。通过集成k近邻图和不同视图的缺失模式图从而得到一个集成的异构图，代表不同缺失模式下样本间的相互关系；利用图注意力机制进一步加强了样本间的交互，从而学习到一组结构化的隐空间表示；将概率分布的一致性嵌入到网络中，从而学习一个一致的分布用于聚类。在多个真实数据集上的实验结果验证本发明所提方法在缺失多视图聚类上的有效性和鲁棒性。

本发明授权一种基于集成异构图注意力网络的缺失多视图聚类方法在权利要求书中公布了：1.一种基于集成异构图注意力网络的缺失多视图聚类方法，其特征在于，所述方法包括以下步骤：步骤1，对所有可用视图学习一个公共的隐空间表示；步骤2，基于步骤1所学公共隐表示构建k近邻图，并对每个视图构建缺失模式图，将k近邻图和缺失模式图结合，可以得到一个集成异构图，代表不同缺失模式下样本间临近关系；步骤3，基于步骤2中所得的异构图，利用图注意力机制加强样本之间的交互，学习到一组结构化的隐表示；步骤4，基于步骤3中所学的结构化隐表示，利用一致性分布约束学习一个一致的分布用于聚类，所述一致性分布约束学习步骤包括：对于第v个视图，使用学生t-分布作为核来度量节点zi′v和类簇中心μj之间的相似性，和分别为初始分布Qv和目标分布Pv中的元素，其中，可以定义为： 其中，α为学生t-分布的自由度，C为样本类别数，表示在视图v中，节点i分配为节点j的概率，在我们的实验中，初始聚类中心可以通过在第v个视图对应的结构化隐表示上使用K-means得到，并将所有视图的聚类中心设置为相同，以便更好地遵循一致性原则，通过将提高到二次幂并按每个簇的频率进行归一化，可以得到得到 其中，为软分配频率，为了比较两个概率分布的相似性，将损失函数定义为概率分布一致性损失Lc，聚类损失定义为最小化所有视图原始分布和目标分布之间的KL散度，因此，Lc可以定义为: 其中，KL散度用来度量两个概率分布之间的非对称差异，最后，取的均值作为最终的一致性分布并用于聚类。

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天津大学，其通讯地址为：300350 天津市津南区海河教育园雅观路135号天津大学北洋园校区；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”。