買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜中南大學申請的專利基于偽標簽深度聚類的圓管碰撞變形模式識別方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN117372734B 。

龍圖騰網通過國家知識產權局官網在2025-04-01發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202311315354.0，技術領域涉及：G06V10/762；該發明授權基于偽標簽深度聚類的圓管碰撞變形模式識別方法是由陽程星;許平;姚曙光;李朝陽;王博設計研發完成，并于2023-10-11向國家知識產權局提交的專利申請。

本基于偽標簽深度聚類的圓管碰撞變形模式識別方法在說明書摘要公布了：本發明公開了一種基于偽標簽深度聚類的圓管碰撞變形模式識別方法，屬于結構碰撞變形模式識別技術領域，包括以下步驟：S1：基于深度聚類算法構建結構碰撞變形模式無監督聚類模型；S2：訓練所述結構碰撞變形模式無監督聚類模型；S3：利用訓練好的結構碰撞變形模式無監督聚類模型識別圓管碰撞變形模式。本方法提高了識別精度。

本發明授權基于偽標簽深度聚類的圓管碰撞變形模式識別方法在權利要求書中公布了：1.一種基于偽標簽深度聚類的圓管碰撞變形模式識別方法，其特征在于：包括以下步驟：S1：基于深度聚類算法構建結構碰撞變形模式無監督聚類模型；S2：訓練所述結構碰撞變形模式無監督聚類模型；對于所述結構碰撞變形模式無監督聚類模型的訓練，包含三個分支；在第一分支中，批次訓練中的所有數據樣本經過隨機變換組合得到數據增強樣本變換1，變換1作為特征提取器的輸入得到其對應的嵌入特征作為第一分支的輸出；在第二分支中，同一批次的所有數據樣本經過隨機變換組合得到數據增強樣本變換2，變換2依次經過特征提取器和聚類器后得到其聚類結果的概率分布；在第三分支中，同一批次的數據樣本經過隨機變換組合得到數據增強樣本變換3，變換是依次經過特征提取器和聚類器后得到預測的聚類結果，其同樣是以樣本屬于各聚類簇概率分布的形式給出；分支一和分支二的輸出結果作為一種基于語義相似性的偽標簽算法的輸入，用于構建偽標簽，并以監督學習的形式對分支三的網絡權重進行調整；不斷的重復訓練過程，直到聚類模型收斂；在訓練過程中，所有分支中的深度神經網絡特征提取器的權重共享，第二分支和第三分支的神經網絡聚類器的權重共享；梯度信息只向第三分支的聚類器和特征提取器模型傳遞，第一分支和第二分支內的深度神經網絡則不參與梯度回傳；三種隨機變換的復雜程度依次提升，即復雜程度表示對原始數據進行隨機變換組合的復雜程度，復雜程度越低表明經過這種隨機變換組合后得到的數據增強樣本與原始數據樣本更接近，其做的變換越少；反之則表明數據增強樣本與原始數據樣本差異程度較大，其做的變換越多；S3：利用訓練好的結構碰撞變形模式無監督聚類模型識別圓管碰撞變形模式；基于特征相似度構建偽標簽，具體包括以下步驟：對于給定批次數據樣本xi∈{x1，x2，...，xm}，經過第一分支和第二分支分別獲得該批次數據樣本的嵌入特征向量F＝[fi]m×d及其屬于各聚類簇的概率分布P＝[pi]m×k；對于每個聚類，首先利用P來選擇nt個置信度最高的樣本用于估計該聚類的簇中心，這nt個樣本選擇方法如下式所示： idc＝{i|Pic≥p*，i∈[1，2，...，m]}其中，表示對該批次樣本按照其屬于聚類c的概率的降序排列，p*表示中的第nt個樣本屬于聚類c的概率，sort·表示降序排列函數；k為聚類數；m為該批次樣本數；r∈[0，1]為調節系數，用于調整估計聚類簇中心的樣本數量nt；Pic表示第i個樣本對聚類c的概率估計；idc表示最后獲得的高置信度樣本的序號；篩選了高置信度樣本后，聚類簇中心的估計由下式計算： 在得到各個聚類簇的中心后，計算各樣本嵌入特征向量與所估計的聚類簇中心的歐氏距離，為每一聚類簇選擇與其所估計的聚類簇中心最近的nc個樣本，賦予其該聚類簇的偽標簽，若某一樣本同時是某兩個聚類簇距離最近的nc個樣本之一，則賦予其這兩個聚類簇的偽標簽；這一過程由下式描述： 其中，表示距離第c個聚類簇中心最近的nc個樣本的集合；xt表示該批次數據樣本中所有獲得偽標簽的樣本集合；k表示聚類簇的數量；nc的取值為nc＝5mk。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中南大學，其通訊地址為：410017 湖南省長沙市岳麓山左家垅；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。