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！

龍圖騰網恭喜杭州電子科技大學申請的專利一種基于偽標簽改進的遷移學習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：CN115035335B 。

龍圖騰網通過國家知識產權局官網在2025-04-29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：202210637518.0，技術領域涉及：G06V10/764；該發明授權一種基于偽標簽改進的遷移學習方法是由李夢茹;高發榮;張啟忠設計研發完成，并于2022-06-07向國家知識產權局提交的專利申請。

本一種基于偽標簽改進的遷移學習方法在說明書摘要公布了：本發明提出一種基于偽標簽改進的遷移學習方法，用于解決遷移學習中因目標偽標簽不精準造成目標分類器精度效果受損的問題。本發明方法首先通過將目標域樣本聚類后與源域已確定的類別中心進行類別匹配類心匹配，獲取偽標簽；并且通過添加特征投影減小原始樣本差異。最后結合投影后的低維樣本和偽標簽進行目標加權，學習目標分類器。與現有技術相比，本發明能夠通過改善偽標簽精度以及對樣本進行特征投影處理，來提高樣本的加權效果和提升目標樣本的分類精度。

本發明授權一種基于偽標簽改進的遷移學習方法在權利要求書中公布了：1.一種基于偽標簽改進的遷移學習方法，其特征在于，包括以下主要步驟：步驟1，特征投影；具體為，通過學習一個投影矩陣將原始高維空間的源域中的源域樣本Xs，和目標域中的目標樣本Xt，投影到一個公共低維特征空間，在這個子空間上，不僅將原始空間的維度從m維降低到d維，還能減小樣本的分布差異；在源域中，是源域樣本，是相應的標簽；在目標域中，為目標樣本；步驟2，類心匹配；具體為，首先獲取類心，分別獲取源域和目標域的類心：由于源域樣本有標簽，因此源域的類心可以通過計算同類樣本的投影均值得到,對于目標域，通過K-means算法獲取；其次進行類心匹配：通過最近鄰搜索方法為每一個目標域的類心尋找距離最近的源類心，實現對該類目標樣本進行集體標記； 其中，表示目標樣本的聚類中心矩陣，是用來計算源域經投影后樣本類心的常數矩陣，如果源域樣本的標簽為第j類，則常數矩陣的值為該類源域類別數的倒數，否則為0；通過類心匹配，得到目標域偽標簽矩陣以及經處理后的源域和目標域的特征為Zs、Zt：Zs＝PTXs、Zt＝PTXt，將得到的偽標簽和投影源域和目標域樣本用于樣本加權；步驟3，樣本加權；具體為：首先利用類心匹配方法對目標樣本進行偽標簽預測；其次通過訓練一個能夠區分源域和目標域樣本的域分類器，將源域和目標域盡可能劃分開，再根據目標樣本到二值域超平面的有向距離進行加權；最后利用流形正則化強制目標預測函數對鄰近目標樣本給出相似輸出，樣本加權公式如3所示 其中，ftZti代表目標分類器對目標樣本的預測，GZti表示經類心匹配后得到的目標樣本的預測，λ是平衡因子，ζ是目標域的鄰接矩陣，衡量樣本的相似度，τ是歸一化因子，保證加權后的目標域分布仍規范，υ是比例因子，Ωi表示目標樣本到域分類面的有向距離，距離越遠權值越小；公式3的第一項表示如果目標樣本和源域樣本的距離更接近，那么此目標域樣本則更有可能在經過類心匹配后被正確分類，獲得更加準確的偽標簽；如果目標域樣本的偽標簽越準確，我們就賦予它一個更大的權重；此時最小化公式3的第一項，要求目標分類器對目標樣本的預測值ftZti應接近類心匹配的偽標簽預測值GZti，否則目標分類器的預測值將不會受到類心匹配后偽標簽的影響；公式第二項利用流形正則化框架使最終的目標分類器更加適配目標域，將擁有較大權值的目標樣本標簽傳遞給權值較小的目標樣本，進行目標樣本的標簽傳播；通過對公式3化簡并求解可得到目標域分類器ftZ，實現對目標域樣本的預測分類。

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杭州電子科技大學，其通訊地址為：310018 浙江省杭州市下沙高教園區2號大街；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”。