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！

龙图腾网恭喜广东工业大学申请的专利一种基于共正则化谱聚类的不完整多视图聚类方法和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：CN115392350B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202210920193.7，技术领域涉及：G06V10/762；该发明授权一种基于共正则化谱聚类的不完整多视图聚类方法和系统是由王银凤;曹江中设计研发完成，并于2022-08-01向国家知识产权局提交的专利申请。

本一种基于共正则化谱聚类的不完整多视图聚类方法和系统在说明书摘要公布了：本发明公开了一种基于共正则化谱聚类的不完整多视图聚类方法和系统，涉及计算机视觉和模式识别的技术领域，包括：获取不完整多视图数据集，将每个视图转换为数据矩阵；对数据矩阵进行降维处理，获得系数矩阵；基于系数矩阵的自表示特性，构造相似矩阵，进而计算拉普拉斯矩阵；基于拉普拉斯矩阵获得每个视图的聚类指示矩阵；对聚类指示矩阵进行核对齐，获得一致聚类指示矩阵；最终构建不完整多视图聚类的目标函数并优化求解，获得最优一致聚类指示矩阵；将最优一致聚类指示矩阵输入现有的分类算法中，获得不完整多视图的聚类结果。本发明在多视图不完整的情况下，深度挖掘视图数据的互补性和一致性信息，提高了不完整多视图的聚类效果。

本发明授权一种基于共正则化谱聚类的不完整多视图聚类方法和系统在权利要求书中公布了：1.一种基于共正则化谱聚类的不完整多视图聚类方法，其特征在于，包括：S1：获取不完整多视图数据集，并将所述数据集中的每个视图转换为数据矩阵；S2：对每个视图的数据矩阵进行降维处理，获得每个视图的系数矩阵；S3：基于每个视图的系数矩阵的自表示特性，构造每个视图的相似矩阵；S4：根据每个视图的相似矩阵计算每个视图的拉普拉斯矩阵，基于拉普拉斯矩阵获得每个视图的聚类指示矩阵；S5：对每个视图的聚类指示矩阵进行核对齐，获得一致聚类指示矩阵；S6：基于一致聚类指示矩阵构建不完整多视图聚类的目标函数，利用交替方法对所述目标函数进行优化求解，获得最优一致聚类指示矩阵，具体方法为：S6.1：基于不完整多视图聚类的目标函数，引入辅助变量矩阵Av，将目标函数转化为增广拉格朗日方程： 式中，表示辅助变量矩阵Av的拉普拉斯矩阵，表示第一拉格朗日乘子，表示第二拉格朗日乘子，μ表示第三惩罚参数；Uv表示第v个视图的基矩阵，Vv表示第v个视图的系数矩阵，Zv表示第v个视图的相似矩阵，Fv表示第v个视图的聚类指示矩阵，Yv表示第v个视图的数据矩阵，Gv表示第v个视图的索引矩阵，S表示一致聚类指示矩阵，λ1表示第一惩罚参数，λ2表示第二惩罚参数，Tr*表示求取矩阵的迹，表示求取F范数；S6.2：利用交替方向乘子法ADMM对增广拉格朗日方程中的各项进行迭代优化，对于六个变量矩阵Uv,Vv,Zv,Fv,Av,S，固定其余五个变量矩阵，依次对Uv,Vv,Zv,Av,Fv,S进行优化，获得当前轮次的目标函数值；S6.3：更新第一拉格朗日乘子和第三惩罚参数μ；S6.4：判断当前轮次的目标函数值是否满足预设的迭代优化终止条件；若满足，则停止迭代，进行步骤S6.5；否则，返回步骤S6.2；S6.5：比较迭代优化终止之前的所有轮次的目标函数值的大小，将目标函数值最小时对应的一致聚类指示矩阵作为最优一致聚类指示矩阵；S7：将最优一致聚类指示矩阵输入现有的分类算法中，获得不完整多视图的聚类结果。

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广东工业大学，其通讯地址为：510090 广东省广州市越秀区东风东路729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”。