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一種基于遷移學習的新用戶行為識別方法及系統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：CN119397285B 。

龍圖騰網通過國家知識產權局官網在2025-05-02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：202510008279.6，技術領域涉及：G06F18/214；該發明授權一種基于遷移學習的新用戶行為識別方法及系統是由朱先強;年愛欣;劉斌;張千楨;張青亦周;朱文瀚設計研發完成，并于2025-01-03向國家知識產權局提交的專利申請。

本一種基于遷移學習的新用戶行為識別方法及系統在說明書摘要公布了：本發明提供了一種基于遷移學習的新用戶行為識別方法及系統，該方法包括：利用源域的標注數據集訓練教師模型，所述教師模型用于識別源域用戶行為；基于所述教師模型，為目標域的未標記數據生成偽標簽；學生模型利用所述源域的標注數據和帶偽標簽的目標域的未標記數據進行訓練；基于訓練后的學生模型，識別所述新用戶的行為模式。本發明的學生模型可以更容易地從教師模型中學到細微的、有助于正確分類的信號，有助于模型學習到更為一般化的特征表示，而非過度依賴于模型在特定任務上的知識，以減輕直接遷移時可能出現的負遷移現象。

本發明授權一種基于遷移學習的新用戶行為識別方法及系統在權利要求書中公布了：1.一種基于遷移學習的新用戶行為識別方法，其特征在于，該方法包括：利用源域的源數據集訓練教師模型，所述教師模型用于識別源域用戶行為，所述源數據集為帶標簽數據集；所述利用源域的源數據集訓練教師模型，包括：增強所述源數據集中的數據，形成弱增強數據集；將所述源數據集與所述弱增強數據集合并形成合并數據集；在所述合并數據集上使用所述源數據集的硬標簽集合；以及通過最小化教師交叉熵損失來訓練所述教師模型；基于所述教師模型，為目標數據集生成軟標簽，所述目標數據集為未標記數據集；所述基于所述教師模型，為目標數據集生成軟標簽，包括：基于所述教師模型，對所述目標數據集進行預測，生成每個樣本的軟標簽；對每個類別中的樣本按預測置信度進行排名；在每個類別中，選擇置信度大于預設置信度閾值的樣本作為軟標簽數據，形成過濾目標數據集和過濾教師目標軟標簽集合；以及，利用傳感器信號變換函數，對所述過濾目標數據集進行增強，形成強增強過濾目標數據集；利用所述源數據集和帶軟標簽的目標數據集訓練學生模型；包括：使用學生模型對所述源數據集進行預測，生成第一軟標簽集合；將生成的第一軟標簽集合和所述硬標簽集合形成學生損失；使用學生模型對所述強增強過濾目標數據集進行預測，生成第二軟標簽集合；將生成的第二軟標簽集合和所述過濾教師目標軟標簽集合形成蒸餾損失；以及以所述學生損失和所述蒸餾損失加權之和作為損失函數，指導訓練所述學生模型；以及基于訓練后的學生模型，識別所述新用戶的行為模式；所述將生成的第一軟標簽集合和所述硬標簽集合形成學生損失，包括使用所述硬標簽集合和所述第一軟標簽集合計算所述教師交叉熵損失；所述將生成的第二軟標簽集合和所述過濾教師目標軟標簽集合形成蒸餾損失，包括利用所述第二軟標簽集合和所述過濾教師目標軟標簽集合計算KL散度損失；所述損失函數為： ；其中，是教師交叉熵損失函數；表示KL散度損失函數，所述KL散度損失函數對源數據集應用一致性正則化后得到數據，并將輸入學生模型得到的預測和教師模型對目標數據集進行預測得到的軟標簽之間的匹配距離；表示教師模型的參數為；λ1和λ2是需要調整的超參數，所述超參數用來平衡教師交叉熵損失和KL散度損失，且λ1+λ2=1。

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：410073 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”。