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！

龙图腾网恭喜华侨大学;厦门盈趣科技股份有限公司申请的专利一种基于宽度学习的半监督多视图聚类集成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：CN119479047B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202510066012.2，技术领域涉及：G06V40/16；该发明授权一种基于宽度学习的半监督多视图聚类集成方法及系统是由杨晨晔;施一帆;曾焕强;朱建清;龚鑫荣;蔡磊;陈建成;杨楷翔设计研发完成，并于2025-01-16向国家知识产权局提交的专利申请。

本一种基于宽度学习的半监督多视图聚类集成方法及系统在说明书摘要公布了：本发明涉及机器学习领域，公开了一种基于宽度学习的半监督多视图聚类集成方法及系统，方法包括以下步骤：构建一种可以依据多视图人脸图像数据进行特征处理的基于宽度学习的自编码器，用于对输入的人脸图像进行特征提取，并基于宽度学习计算不同节点特征的权重；结合基于宽度学习的自编码器和双向约束传播构建聚类集成模型；利用聚类集成模型实现多视图人脸图像的聚类集成。本发明利用宽度学习系统的性能优势进行多视图数据的聚类处理，得到兼具效率与性能的模型网络，引入了流型结构和成对约束，并且在共识过程中采用了约束传播，丰富样本信息，有效提升基于宽度学习的聚类集成网络模型的鲁棒性和准确性，因而在实际场景中更具适用性。

本发明授权一种基于宽度学习的半监督多视图聚类集成方法及系统在权利要求书中公布了：1.一种基于宽度学习的半监督多视图聚类集成方法，其特征在于，包括以下步骤：构建一种依据多视图人脸图像数据进行特征处理的基于宽度学习的自编码器，用于对输入的人脸图像进行特征提取，并基于宽度学习计算不同节点特征的权重；结合基于宽度学习的自编码器和双向约束传播构建聚类集成模型；利用聚类集成模型实现多视图人脸图像的聚类集成；所述基于宽度学习的自编码器，其提取特征的过程包括以下步骤：设计总体目标函数并对目标函数进行求解得到权重矩阵；基于权重矩阵计算子空间表示，表示为： 其中，Fv表示第v个视图的子空间表示；Xv表示需要进行聚类集成的图像集；Wv表示权重矩阵；在每个视图的子空间表示上运行k均值来生成一系列基本分区，表示为Pv＝{π1,π2,...,πV}，其中，π1,π2,...,πV表示第v个视图的子空间生成的一系列基本分区，所述基本分区的集合用Pv表示；所述设计总体目标函数并对目标函数进行求解得到权重矩阵，包括以下步骤：设计总体目标函数，表示为： 其中，n表示样本数；是正则化组件；表示流型约束，确保投影子空间中的局部和全局亲和关系一致；表示F范数，表示l-2范数；Av表示隐藏层；α表示对正则化项的权衡参数；β表示对流型约束项的权衡参数；rij表示约束亲和矩阵R的第i,j个值，其中包含来自全局亲和力和约束的成对关系；表示必连约束，C表示勿连约束；V表示视图的数量；Nvxi,xj为近邻参数，如果xixj是xjxi的K近邻，则Nvxi,xj＝1，否则Nvxi,xj＝0；为了最小化目标函数，将目标函数改写为： 其中，Lv是R的拉普拉斯矩阵，Tr表示迹；对目标函数进行求解得到权重矩阵Wv，表示为： 其中，I表示单位矩阵，l表示Av的维度。

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华侨大学;厦门盈趣科技股份有限公司，其通讯地址为：362000 福建省泉州市丰泽区城东城华北路269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”。