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！

龙图腾网恭喜杭州电子科技大学申请的专利一种基于伪标签改进的迁移学习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：CN115035335B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202210637518.0，技术领域涉及：G06V10/764；该发明授权一种基于伪标签改进的迁移学习方法是由李梦茹;高发荣;张启忠设计研发完成，并于2022-06-07向国家知识产权局提交的专利申请。

本一种基于伪标签改进的迁移学习方法在说明书摘要公布了：本发明提出一种基于伪标签改进的迁移学习方法，用于解决迁移学习中因目标伪标签不精准造成目标分类器精度效果受损的问题。本发明方法首先通过将目标域样本聚类后与源域已确定的类别中心进行类别匹配类心匹配，获取伪标签；并且通过添加特征投影减小原始样本差异。最后结合投影后的低维样本和伪标签进行目标加权，学习目标分类器。与现有技术相比，本发明能够通过改善伪标签精度以及对样本进行特征投影处理，来提高样本的加权效果和提升目标样本的分类精度。

本发明授权一种基于伪标签改进的迁移学习方法在权利要求书中公布了：1.一种基于伪标签改进的迁移学习方法，其特征在于，包括以下主要步骤：步骤1，特征投影；具体为，通过学习一个投影矩阵将原始高维空间的源域中的源域样本Xs，和目标域中的目标样本Xt，投影到一个公共低维特征空间，在这个子空间上，不仅将原始空间的维度从m维降低到d维，还能减小样本的分布差异；在源域中，是源域样本，是相应的标签；在目标域中，为目标样本；步骤2，类心匹配；具体为，首先获取类心，分别获取源域和目标域的类心：由于源域样本有标签，因此源域的类心可以通过计算同类样本的投影均值得到,对于目标域，通过K-means算法获取；其次进行类心匹配：通过最近邻搜索方法为每一个目标域的类心寻找距离最近的源类心，实现对该类目标样本进行集体标记； 其中，表示目标样本的聚类中心矩阵，是用来计算源域经投影后样本类心的常数矩阵，如果源域样本的标签为第j类，则常数矩阵的值为该类源域类别数的倒数，否则为0；通过类心匹配，得到目标域伪标签矩阵以及经处理后的源域和目标域的特征为Zs、Zt：Zs＝PTXs、Zt＝PTXt，将得到的伪标签和投影源域和目标域样本用于样本加权；步骤3，样本加权；具体为：首先利用类心匹配方法对目标样本进行伪标签预测；其次通过训练一个能够区分源域和目标域样本的域分类器，将源域和目标域尽可能划分开，再根据目标样本到二值域超平面的有向距离进行加权；最后利用流形正则化强制目标预测函数对邻近目标样本给出相似输出，样本加权公式如3所示 其中，ftZti代表目标分类器对目标样本的预测，GZti表示经类心匹配后得到的目标样本的预测，λ是平衡因子，ζ是目标域的邻接矩阵，衡量样本的相似度，τ是归一化因子，保证加权后的目标域分布仍规范，υ是比例因子，Ωi表示目标样本到域分类面的有向距离，距离越远权值越小；公式3的第一项表示如果目标样本和源域样本的距离更接近，那么此目标域样本则更有可能在经过类心匹配后被正确分类，获得更加准确的伪标签；如果目标域样本的伪标签越准确，我们就赋予它一个更大的权重；此时最小化公式3的第一项，要求目标分类器对目标样本的预测值ftZti应接近类心匹配的伪标签预测值GZti，否则目标分类器的预测值将不会受到类心匹配后伪标签的影响；公式第二项利用流形正则化框架使最终的目标分类器更加适配目标域，将拥有较大权值的目标样本标签传递给权值较小的目标样本，进行目标样本的标签传播；通过对公式3化简并求解可得到目标域分类器ftZ，实现对目标域样本的预测分类。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。