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！

龙图腾网获悉广东工业大学申请的专利基于双约束概念分解的半监督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：CN120995142B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202510995361.2，技术领域涉及：G06F18/23213；该发明授权基于双约束概念分解的半监督多视图聚类方法是由杨晓君;尹邦定;郑振豪;谢洁明;胡钦太;周齐设计研发完成，并于2025-07-18向国家知识产权局提交的专利申请。

本基于双约束概念分解的半监督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双约束概念分解的半监督多视图聚类方法，涉及机器学习技术领域，将点约束与成对约束相结合，构建互补监督机制的基于先验标签信息的双约束算法，实现有限监督信息的最大化利用与渐进式传播；并依托概念分解框架突破传统方法对数据非负性的限制，结合核方法处理复杂数据分布，获取多视图数据融合的共识矩阵作为视图的低维表示，采用k‑means算法进行聚类，输出最终类别划分结果。本发明实现对复杂多视图数据的有效处理，最终全面提升多视图聚类任务的性能，突破现有技术在聚类精度、数据适应性和监督信息利用效率上的瓶颈。

本发明授权基于双约束概念分解的半监督多视图聚类方法在权利要求书中公布了：1.一种基于双约束概念分解的半监督多视图聚类方法，其特征在于，包括以下步骤： 获取包含多个视图样本的多视图数据集，其中部分样本带有已知标签，初始化多视图数据集中多视图共享标签约束矩阵、成对约束矩阵、表示矩阵、关联矩阵和共识矩阵； 针对每个视图基于近邻关系和核函数构建初始权重矩阵，通过垂直和水平约束传播算法生成最终成对约束矩阵，更新权重矩阵增强同类样本的关联性，计算对应的图拉普拉斯矩阵和对角矩阵； 在交替迭代中固定投影矩阵利用共享标签约束矩阵更新关联矩阵，固定关联矩阵利用图拉普拉斯矩阵和对角矩阵更新投影矩阵，在每轮迭代后，基于各视图的投影矩阵更新共识矩阵； 迭代结束后，以最终共识矩阵作为视图的低维表示，采用k-means算法进行聚类，输出最终类别划分结果； 获取包含多个视图样本数据的多视图数据集，其中部分样本带有已知标签，初始化多视图数据集中视图样本数据的共享标签约束矩阵、表示矩阵、投影矩阵和共识矩阵，具体为： 输入多视图数据集，其中表示第个视图的数据矩阵，视图的特征类型包括文本词频特征、TF-IDF特征、主题模型特征、命名实体统计，多视图数据集中共有n个视图，每个视图具有特征维度，前个样本带有已知类别标签，其余个样本无标签，类别数为； 对已知类别标签的样本编码已知类别标签信息，使用单位矩阵表示未知标签样本的初始自由表示，根据已知标签部分编码表示及未知标签部分表示构建多视图共享标签约束矩阵； 基于已知类别标签的样本构建成对约束，当样本对中的样本是否为同类样本构建约束关系，初始成对约束矩阵； 为每个视图引入投影矩阵，使用所述投影矩阵及所述共享标签约束矩阵生成每个视图的表示矩阵，通过点约束标记样本的低维表示，确保样本与真实标签一致； 初始化关联矩阵表示原始数据到低维空间的线性映射关系，并取各视图表示矩阵的均值生成共识矩阵。

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广东工业大学，其通讯地址为：510090 广东省广州市东风东路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”。

以上内容由龙图腾AI智能生成。