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！

龙图腾网恭喜华南理工大学申请的专利一种基于增量式自训练框架的半监督宽度学习分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：CN114722908B 。

龙图腾网通过国家知识产权局官网在2025-02-18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：202210242204.0，技术领域涉及：G06V10/764；该发明授权一种基于增量式自训练框架的半监督宽度学习分类方法是由郭继凤;陈俊龙;刘竹琳设计研发完成，并于2022-03-11向国家知识产权局提交的专利申请。

本一种基于增量式自训练框架的半监督宽度学习分类方法在说明书摘要公布了：本发明公开了一种基于增量式自训练框架的半监督宽度学习分类方法，框架包括初始化阶段，将所有未标记数据通过聚类方法和样本确定性大小形成有序的查询序列表，顺序选择部分数据初始化未标记数据池，同时使用初始标记数据训练基分类器，并标注未标记数据池中的数据；增量自更新阶段，根据选择度量值和设定阈值确定辅助训练数据并将其合并到标记训练数据集形成新的标记训练数据，用于更新基分类器；同时，顺序地从查询序列表中获取一批数据更新未标记数据池并用基分类器预测其新分类伪标签；重复增量自更新阶段，直到未标记数据池为空。本发明框架减少了大量重复运算，节省了资源，同时解决迭代造成的时间消耗问题，使其适用于大规模数据的应用。

本发明授权一种基于增量式自训练框架的半监督宽度学习分类方法在权利要求书中公布了：1.一种基于增量式自训练框架的半监督宽度学习分类方法，其特征在于，包括以下步骤：S1、使用K-Means对未标记数据聚类，根据样本点与其聚类中心的距离形成降序的查询列表，并从中获得部分数据初始化未标记数据池；使用初始标记数据或更新后的未标记数据训练BLS模型，利用BLS模型对未标记数据池中数据标注伪标签，同时求出对应的预测置信度；所述数据为图像数据；S2、对伪标签数据进行置信度排序，并由排序和设定阈值确定辅助训练数据；S3、判断是否有辅助训练数据加入标记训练数据，如没有，采用动态神经节点调整机制调整BLS网络结构中的增强节点个数，跳转至步骤S2进行新一轮训练和标注；如有，将这部分辅助训练数据从未标记数据池转移到标记训练数据，从查询列表中获得一批数据更新未标记数据池，跳转至步骤S2，利用新的未标记数据池对BLS模型进行训练并对未标记数据进行标注；S4、当未标记数据池为空时，未标记数据全部被标注，利用标记数据训练BLS模型，输出最终的图像数据分类结果；所述增量式自训练框架，包括初始化阶段和增量自更新阶段；初始化阶段，将所有未标记数据样本通过聚类方法和样本确定性大小形成有序的查询序列表；查询序列表部分用于初始化未标记数据池，同时采用初始标记数据初始化基分类器进行监督学习，并预测分类未标记数据池中的数据形成其伪标签，计算对应的选择度量值；增量自更新阶段，根据选择度量值和设定阈值确定辅助训练数据并将其合并到标记训练数据集形成新的标记训练数据，用于更新基分类器；同时，顺序地从查询序列表中获取一批数据更新未标记数据池并用基分类器预测其新分类伪标签，形成带伪标签的未标记数据；重复增量自更新阶段，直到未标记数据池为空；使用初始标记数据或更新后的未标记数据训练BLS模型，BLS模型参数包括映射特征组个数、组内特征个数以及增强节点个数；利用BLS模型对未标记数据池中数据标注伪标签，同时求出未标记数据对应的置信度。

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华南理工大学，其通讯地址为：511458 广东省广州市南沙区环市大道南路25号华工大广州产研院；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”。