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！

龙图腾网获悉闽江学院申请的专利基于残差排序和稀疏限制的基础矩阵拟合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：CN116012590B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202310149806.6，技术领域涉及：G06V10/26；该发明授权基于残差排序和稀疏限制的基础矩阵拟合方法是由赖桃桃;李佐勇;明锐设计研发完成，并于2023-02-22向国家知识产权局提交的专利申请。

本基于残差排序和稀疏限制的基础矩阵拟合方法在说明书摘要公布了：本发明提出基于残差排序和稀疏限制的基础矩阵拟合方法，所述拟合方法为包含多个模型实例和高比例离群点的数据集生成有效距离矩阵，具体包括以下步骤；步骤S1：设定输入数据，模型实例个数S，采样次数M；步骤S2：通过改进算法AGS使用采样权重和信息论原理来选择有效数据，然后从有效数据中选择数据子集，生成M个模型假设；步骤S3：用生成的M个模型假设计算鉴别距离矩阵；步骤S4：用信息理论和计算稀疏距离矩阵；步骤S5：在上使用参数S执行谱聚类来获得的类标；本发明能有效地结合残差排序和稀疏限制的优点，可高效地为包含多个模型实例和高比例离群点的数据生成更为准确的距离矩阵。

本发明授权基于残差排序和稀疏限制的基础矩阵拟合方法在权利要求书中公布了：1.基于残差排序和稀疏限制的基础矩阵拟合方法，其特征在于：所述拟合方法为包含多个模型实例和高比例离群点的数据集生成有效距离矩阵，具体包括以下步骤： 步骤S1：设定输入数据，模型实例个数S，采样次数M； 步骤S2：通过改进算法AGS使用采样权重和信息论原理来选择有效数据，然后从有效数据中选择数据子集，生成M个模型假设； 步骤S3：用生成的M个模型假设计算鉴别距离矩阵； 步骤S4：用信息理论和计算稀疏距离矩阵； 步骤S5：在上使用参数S执行谱聚类来获得的类标； 所述步骤S3具体包括以下步骤： 步骤S31：对于每个模型假设，计算输入数据与的残差； 步骤S32：用尺度估计子MSSE来估计的内点尺度； 步骤S33：模型的矩阵H的元素计算如下 公式一 步骤S34：计算鉴别距离矩阵； 所述步骤S4中稀疏距离矩阵的计算具体包括以下步骤： 步骤S41：对于稀疏距离矩阵的第i行元素，计算最大元素与第j个元素之间的距离为； 步骤S42：第j个元素的概率计算为； 步骤S43：第i行的阈值计算为； 步骤S44：把值小于的元素设为0，否则其值不变，公式如下 公式二； 步骤S45：对距离矩阵的每一行上执行上述四个步骤之后，得到的矩阵不是对称的，而所需的距离矩阵是对称的，通过得到对称矩阵； 所述步骤S5中的执行谱聚类，具体包括以下步骤： 步骤S51：计算度矩阵； 步骤S52：计算拉普拉斯矩阵； 步骤S53：计算的特征值，将特征值从小到大排序，取前S个特征值，并计算前S个特征值的特征向量； 步骤S54：将上述S个特征向量组成矩阵； 步骤S55：令是的第i行向量，其中i=1,2,…,n； 步骤S56：将单位化，使得； 步骤S57：使用k-means算法将新样本点聚类成簇，其步骤是，随机选取S个对象作为初始的聚类中心，然后执行下述过程， 过程1、计算每个对象与各个聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心所对应的簇； 过程2每个聚类中心更新为该簇所有点的平均值； 重复执行过程1和2，直到没有对象被重新分配给不同的聚类中心； 所述拟合方法用于计算机视觉或人工智能领域；用于分割场景图中的二维运动物体时，距离矩阵以包含多个二维运动物体的场景图数据来生成，拟合方法以步骤S5中的类标，把图像中的属于二维运动物体的数据分割为属于不同运动物体的点。

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闽江学院，其通讯地址为：350108 福建省福州市闽侯县上街镇溪源宫路200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。