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！

龙图腾网获悉东南大学申请的专利基于类属特征构造的含噪多标记分类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：CN114861816B 。

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：202210574747.2，技术领域涉及：G06F18/2431；该发明授权基于类属特征构造的含噪多标记分类方法是由张敏灵;朱雅婷;杨浩设计研发完成，并于2022-05-25向国家知识产权局提交的专利申请。

本基于类属特征构造的含噪多标记分类方法在说明书摘要公布了：本发明提出了一种基于类属特征构造的含噪多标记分类方法，该方法适用于标记空间含有噪声的多标记数据分类场景。该方法包括以下步骤：1用户在保证完全获得真实标记的前提下收集多标记数据；2利用特征空间的内部结构信息对含噪标记进行消歧；3基于已消歧的数据集，为每个标记构建类属特征映射；4根据每个标记的类属特征映射构建二分类数据集，并训练二分类模型；5根据训练得到的分类模型对未见示例进行预测，得到每个类别的分类结果；6如果用户对预测结果满意，则结束，否则转到步骤2，对原始标记重新进行消歧。

本发明授权基于类属特征构造的含噪多标记分类方法在权利要求书中公布了：1.一种基于类属特征构造的含噪多标记分类方法，其特征在于：该方法包括以下步骤： 步骤1用户在保证完全获得真实标记的前提下收集多标记数据； 步骤2利用特征空间的内部结构信息对含噪标记进行消歧； 步骤3基于已消歧的数据集，为每个标记构建类属特征映射； 步骤4根据每个标记的类属特征映射构建二分类数据集，并训练二分类模型； 步骤5根据学得的分类模型对未见示例进行预测，得到每个类别的分类结果； 步骤6如果用户对预测结果满意，则结束，否则转到步骤2，对原始标记重新进行消歧； 所述步骤2利用特征空间的内部结构信息对含噪标记进行消歧，具体包括： 假设表示d维的示例空间，Y＝{y1,y2,…,yq}表示含有q个类别的标记空间；给定含噪多标记数据集D＝{x1,S1,x2,S2,…,xm,Sm}，包含m个示例的，其中为d维的属性向量，而为与示例xi对应的一组候选标记集合；此外，表示与示例xi对应的一组非候选标记集合；Yi为示例xi的真实标记集合； 对每个标记yk∈Y，执行以下循环体： 1将样本划分为正样本集合和负样本集合 2利用k-means算法分别将和分别聚类成mk个簇；正负样本集合的聚类中心被分别定义为和 3训练一个二分类模型得到样本的置信度排序，选择一定数量置信度值较小的样本组成待确定伪正样本子集Uk， 4计算样本xi与正负样本聚类中心的距离来判断该样本是否为噪声样本，xi∈Uk；若是则校正该样本类别；表示示例xi与mk个正样本聚类中心的平均距离，表示示例xi与各负样本聚类中心的平均距离； 步骤3基于已消歧的数据集，为每个标记构建类属特征映射，具体包括： 3.1根据步骤2 得到已消歧的数据集D′＝{x1,S′1,x2,S′2,…,xm,S′m}； 3.2在数据集D′上为每个标记yk∈Y计算其正负样本集合； 3.3利用k-means算法分别将和分别聚类成mk个簇；正负样本集合的聚类中心被分别定义为和 3.4计算样本与2mk个聚类中心点的欧式距离将原始样本d维的属性映射为2mk维，由此得到标记yk的类属特征映射φk： 所述步骤4根据每个标记的类属特征映射构建二分类数据集，并训练二分类模型，具体包括： 对每个标记yk∈Y，根据步骤3中的映射关系φk将数据集D′构造为其相应的二分类训练集D′k，其中当·为真时，取值为1，否则为-1； 在二分类数据集D′k上，为标记yk训练一个二类分类模型hk，同理，为标记空间Y中的每个标记各训练一个二类分类模型{h1,h2,...hq}。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2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”。