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！

龍圖騰網恭喜中國人民解放軍國防科技大學申請的專利基于流模態的增量聚類方法及裝置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：CN117972459B 。

龍圖騰網通過國家知識產權局官網在2025-04-15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：202410307688.1，技術領域涉及：G06F18/23；該發明授權基于流模態的增量聚類方法及裝置是由歐陽宵;范瑞東;陶紅;侯臣平設計研發完成，并于2024-03-18向國家知識產權局提交的專利申請。

本基于流模態的增量聚類方法及裝置在說明書摘要公布了：本發明實施例公開了一種基于流模態的增量聚類方法及裝置，該方法包括：獲取多個視圖數據樣本的當前時刻的新模態信息以及當前時刻之前的所有模態的歷史繼承綜合信息；針對任一樣本，對所述新模態信息和所述歷史繼承綜合信息進行相似性分解和判別性學習，獲取總目標函數；求解滿足所述總目標函數的所述新模態信息和所述歷史繼承綜合信息的相似性分解結果，并根據所述相似性分解結果計算包括所述當前時刻的歷史繼承綜合信息；根據各樣本的包括所述當前時刻的歷史繼承綜合信息對多個樣本進行聚類，獲取聚類結果。通過上述方式，本發明實施例首次研究流式模態場景的聚類問題，能夠對流模態的樣本進行準確有效地增量聚類。

本發明授權基于流模態的增量聚類方法及裝置在權利要求書中公布了：1.一種基于流模態的增量聚類方法，其特征是，所述方法包括：獲取多個視圖數據樣本的當前時刻的新模態信息以及當前時刻之前的所有模態的歷史繼承綜合信息；針對任一樣本，對所述新模態信息和所述歷史繼承綜合信息進行相似性分解和判別性學習，獲取總目標函數；求解滿足所述總目標函數的所述新模態信息和所述歷史繼承綜合信息的相似性分解結果，并根據所述相似性分解結果計算包括所述當前時刻的歷史繼承綜合信息；根據各樣本的包括所述當前時刻的歷史繼承綜合信息對多個樣本進行聚類，獲取聚類結果；所述對所述新模態信息和所述歷史繼承綜合信息進行相似性分解和判別性學習，獲取總目標函數，包括：對所述新模態信息和所述歷史繼承綜合信息進行相似性分解，得到第一目標函數；對所述新模態信息和所述歷史繼承綜合信息從模態間和模態內進行判別性學習，得到第二目標函數；結合所述第一目標函數和所述第二目標函數獲取總目標函數；所述對所述新模態信息和所述歷史繼承綜合信息進行相似性分解，得到第一目標函數，包括：將所述新模態信息分解為當前時刻之前的所有模態的一致性信息矩陣和新模態的特異性信息；將所述歷史繼承綜合信息分解為所述一致性信息矩陣和歷史模態的特異性信息；根據所述一致性信息矩陣、新模態的特異性信息以及歷史模態的特異性信息結合流模態數據實時更新特點得到相似性分解的第一目標函數；所述對所述新模態信息和所述歷史繼承綜合信息從模態間和模態內進行判別性學習，得到第二目標函數，包括：根據不同模態攜帶的信息不同獲取第一判定結果，所述第一判定結果為新模態的特異性信息和歷史模態的特異性信息存在顯著差異；通過對模態進行相似性學習得到相似度矩陣；根據單個模態內部信息的不同屬性具有不同的含義獲取第二判定結果，所述第二判定結果為所述相似度矩陣與新模態的特異性信息以及歷史模態的特異性信息之間存在顯著差異；基于所述第一判定結果與所述第二判定結果獲取判別性學習的第二目標函數；所述結合所述第一目標函數和所述第二目標函數獲取總目標函數，包括：根據流模態聚類性質求解最小化的與所述一致性信息對應的拉普拉斯矩陣的跡；根據所述第一目標函數和所述第二目標函數以及最小化的所述拉普拉斯矩陣的跡獲取總目標函數；所述總目標函數為： 其中，AT為所述一致性信息，λ、β、γ為權重參數，αt為t時刻的系數，α為與αT和αT-1相關的向量，ST為T時刻的新模態信息，PT為T時刻的新模態的特異性信息，ST-1為T時刻之前的歷史模態信息，PT-1為T時刻之前的歷史模態的特異性信息，LA為與所述一致性信息對應的拉普拉斯矩陣，F為標簽矩陣。

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國人民解放軍國防科技大學，其通訊地址為：410003 湖南省長沙市開福區德雅路109號；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”。