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！

龙图腾网恭喜合肥工业大学申请的专利一种基于聚类轮廓系数的分类器准确率评估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：CN116628574B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202310654826.9，技术领域涉及：G06F18/241；该发明授权一种基于聚类轮廓系数的分类器准确率评估方法是由赵烨;朱方喆;洪日昌;汪萌;刘学亮设计研发完成，并于2023-06-02向国家知识产权局提交的专利申请。

本一种基于聚类轮廓系数的分类器准确率评估方法在说明书摘要公布了：本发明涉及人工智能领域，提供一种基于聚类轮廓系数的分类器准确率评估方法，用于评估待测试分类模型对于待测试数据分类的准确性，包括：准备图片格式数据集；过待测试分类模型的分类器提取每个数据的特征；计算类器对数据集分类的准确率；对数据集中每个数据的特征进行聚类，得到轮廓系数；用多项式回归拟合轮廓系数与准确率的关系；使用评估待测试分类模型对待测试数据进行特征提取，计算轮廓系数，并基于多项式和轮廓系数，计算待测试分类模型对待测试数据进行分类的准确率。与现有方法相比，本申请可以无需重新训练分类器，提高了效率的同时提升预测准确率。

本发明授权一种基于聚类轮廓系数的分类器准确率评估方法在权利要求书中公布了：1.一种基于聚类轮廓系数的分类器准确率评估方法，用于评估待测试分类模型对于待测试数据分类的准确性，其特征在于，包括以下步骤： 步骤一，准备基础数据集，基础数据集中的每个样本均为有标签的图片； 步骤二，基于基础数据集，生成合成数据集，合成数据集中的每个样本都有标签； 步骤三，通过待测试分类模型的分类器提取合成数据集中每个数据的特征； 步骤四，计算待测试分类模型的分类器对合成数据集分类的准确率； 步骤五，对合成数据集中每个数据的特征进行聚类，得到轮廓系数，其具体步骤为： 使用K-MEANS算法，将数据集的图像特征进行聚类:首先任意选择K个图像特征作为初始聚类中心;而对于所剩下其它图像特征，则根据它们与这些聚类中心的距离，分别将它们分配给与其最相似的类;然后再计算每个所获新聚类的聚类中心，即该聚类中所有对象的均值;不断重复这一过程直到标准测度函数开始收敛为止；由于无标签测试集标签种类数与合成数据集标签种类数相同，因此K-MEANS预设的聚类中心个数K直接设为合成数据集标签种类数； 对于类中点的轮廓系数表示为: ; 其中，为点到所有它属于的类中其它点的距离，为点到某一不包含它的类中的其他点的平均距离中的最小值；聚类的总的轮廓系数表示为: ； 步骤六，使用多项式回归拟合轮廓系数与准确率的关系，其具体步骤为： 使用一元三次多项式拟合二者之间的关系： ; 其中，分类器在合成数据集上的准确率为输出，合成数据集对应的特征的聚类的轮廓系数为输入，，，，均为多项式回归所需学习的参数； 步骤七，使用评估待测试分类模型对待测试数据进行特征提取，计算轮廓系数，并基于多项式和轮廓系数，计算待测试分类模型对待测试数据进行分类的准确率。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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”。