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！

龙图腾网获悉三峡大学申请的专利基于半监督深度学习的分子云团块证认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：CN117315329B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202311124385.8，技术领域涉及：G06V10/764；该发明授权基于半监督深度学习的分子云团块证认方法是由郑胜;潘雪姣;黄瑶;曾曙光;曾祥云;罗骁域设计研发完成，并于2023-09-01向国家知识产权局提交的专利申请。

本基于半监督深度学习的分子云团块证认方法在说明书摘要公布了：基于半监督深度学习的分子云团块证认方法,包括以下步骤：步骤1：获取分子云团块候选体；步骤2：基于分子云团块候选体训练SS‑3D‑Clump模型，输出分子云团块的概率值；步骤3：确定概率阈值，当输出的概率值超过概率阈值时，则认为该候选体为一个分子云团块；否则，该候选体不是分子云团块。本发明方法解决了传统监督学习中标记样本不足的问题，并使模型能够更好地适应新的、未标记的样本，在分子云团块的验证中实现高准确率。

本发明授权基于半监督深度学习的分子云团块证认方法在权利要求书中公布了：1.基于半监督深度学习的分子云团块证认方法，其特征在于包括以下步骤： 步骤1：获取分子云团块候选体； 步骤2：基于分子云团块候选体训练SS-3D-Clump模型，输出分子云团块的概率值； 步骤3：确定概率阈值，当输出的概率值超过概率阈值时，则认为该候选体为一个分子云团块；否则，该候选体不是分子云团块； 所述步骤2包括以下步骤： S2.1：利用SS-3D-Clump模型中的3D卷积神经网络CNN来提取分子云团块候选体的特征； S2.2：基于S2.1提取的特征，使用Constrained-KMeans算法对提取的特征进行聚类，获得分子云团块的伪标签； S2.3：利用SS-3D-Clump模型中的分类器网络，对分子团块候选体进行分类，产生模型分类标签； S2.4：利用步骤S2.2和步骤S2.3中获取的伪标签和分类标签计算损失； 采用二元交叉熵计算损失，损失计算公式如下： 其中，N是样本总数；表示第i个样本的伪标签，取值0或者1；i＝1,2,3,…,N；是分类器输出标签的概率； S2.5：SS-3D-Clump模型采用在训练过程中监测相邻两轮的模型对分子云团块候选体数据集的证认结果的差异来衡量模型的收敛程度； 使用归一化互信息NormalizedMutualInformation，NMI来度量同一数据的两个不同赋值A和B之间共享的信息，定义为: 其中，MIA；B为变量A和B的互信息；HA表示A的熵；HB表示B的熵；当NMIA；B近于1时，表示A和B没有任何差异，说明模型在前后两轮训练后的证认结果一致，表明模型收敛； S2.6：当模型收敛或达到终止条件时，完成训练。

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三峡大学，其通讯地址为：443002 湖北省宜昌市西陵区大学路8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”。