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！

龙图腾网获悉四川华鲲振宇智能科技有限责任公司申请的专利一种基于合成数据生成的无监督深度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：CN119862442B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202510354534.2，技术领域涉及：G06F18/23213；该发明授权一种基于合成数据生成的无监督深度学习方法是由陈新;季良杰;王宇峰设计研发完成，并于2025-03-25向国家知识产权局提交的专利申请。

本一种基于合成数据生成的无监督深度学习方法在说明书摘要公布了：本发明属于无监督深度学习方法技术领域，具体涉及一种基于合成数据生成的无监督深度学习方法，高斯混合模型寻找原始的无标签数据的聚类中心和标准差；贝叶斯优化通过衡量基于高斯混合模型聚类中心和标准差的各向同性高斯斑点生成数据与原始数据分布的差异，为高斯混合模型选择最优叠加权重；高斯混合模型在最优叠加权重下确定聚类数量与标准差，各向同性高斯斑点基于此聚类数量和标准差生成大量具备标签且具有平衡性的合成数据；合成数据用于训练深度神经网络模型；训练后的深度神经网络模型基于初始的无标签数据执行下游任务。实现了生成合成数据的样本均衡，辅助深度神经网络的训练，提升无监督学习场景下的模型精度。

本发明授权一种基于合成数据生成的无监督深度学习方法在权利要求书中公布了：1.一种基于合成图像数据生成的无监督深度学习方法，其特征在于，包括以下步骤： S1：计算机视觉中的无标签图像分类任务中，高斯混合模型从贝叶斯优化器中获得叠加权重，基于无标签原始图像数据寻找聚类中心和标准差，各向同性高斯斑点使用当前高斯混合模型的聚类中心和标准差生成合成图像数据； S2：衡量所述合成图像数据与原始图像数据之间的分布差异，基于贝叶斯优化迭代为高斯混合函数获得最优叠加权重； S3：各向同性高斯以高斯混合模型在最优叠加权重下的聚类中心和标准差为基准，作为合成图像数据生成器，合成图像数据生成器生成与原始图像数据分布相似的有标签合成图像数据； S4：将所述有标签合成图像数据输入深度神经网络模型进行模型训练； S5：将初始的无标签图像数据输入训练后的深度神经网络模型，执行下游任务； 步骤S1中的基于无标签原始图像数据寻找聚类中心和标准差的具体过程如下： S11：将无标签原始图像数据表示为X，包含N个样本，每个样本i包含M个特征，任意x i,j 表示第i个样本的第j个特征在中的值，其中，1≤i≤N，1≤j≤M，将无标签原始图像数据X分成K类，K=[1，2，···，k]； S12：对无标签原始图像数据X进行聚类处理，具体公式如下： ； 其中，为聚类处理结果，为样本i所属的类，，为样本1所属的类，为样本2所属的类，为样本N所属的类； S13：根据给定的聚类计算图像数据样本的概率计算聚类中心C和标准差σ； 步骤S13中根据给定的聚类计算图像数据样本的概率计算聚类中心C和标准差σ的具体过程如下： S131：基于K个高斯模型线性叠加创建高斯混合模型，具体公式如下： ； 其中，w k 为叠加参数，，为第k个高斯分量的平均向量，为第k个高斯分量的协方差矩阵，为第k个分量的多元正态密度函数； S132：贝叶斯优化器为高斯混合模型随机初始化叠加参数w，并基于原始图像数据计算原始样本均值，协方差矩阵，生成样本均值，此时高斯混合模型存在3×k个待更新的参数； S133：计算每个样本i属于每个聚类的概率，共迭代计算n×k次，计算公式如下： ； 其中，是第j个分量的混合权重，，x表示样本集，x i 为第i个样本，为第j个高斯分量的平均向量，为第j个高斯分量的协方差矩阵； S134：各向同性高斯斑点生成与原始图像数据规模相同的有标签并且平衡的合成图像数据； 步骤S134中各向同性高斯斑点生成与原始图像数据规模相同的有标签并且平衡的合成图像数据的具体过程如下： S1341：各向同性高斯斑点根据高斯混合模型的最优权重下的参数生成标签：从K个聚类中随机选择一个聚类中心k，此时图像数据对象d i 属于k，生成器根据标记图像数据对象d i 来生成标签，d i ∈D，得到一个大小为N的包含图像数据集D的标签集合； S1342：图像数据生成器各向同性高斯斑点根据以C k ，σ k 为中心与标准差，为样本量，生成图像数据对象d i ，公式如下： ； 其中，服从正态分布，生成过程被执行K次，直到各向同性高斯斑点为所有聚类都生成了样本，下游得到一个具有N个合成样本的平衡图像数据集D。

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四川华鲲振宇智能科技有限责任公司，其通讯地址为：610000 四川省成都市高新区天府大道北段28号1栋2单元24层1、2、3、4、5、6、7、8、9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”。