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！

龙图腾网获悉南方科技大学;华为技术有限公司申请的专利一种基于集成学习和样本重要性的模型训练方法及系统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：CN115063623B 。

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：202210446487.0，技术领域涉及：G06V10/764；该发明授权一种基于集成学习和样本重要性的模型训练方法及系统是由李淑娴;宋丽妍;姚新;张晓明;武晓宇;胡峥设计研发完成，并于2022-04-26向国家知识产权局提交的专利申请。

本一种基于集成学习和样本重要性的模型训练方法及系统在说明书摘要公布了：本发明公开了一种基于集成学习和样本重要性的模型训练方法及系统，方法包括：在模型训练前，获取训练样本，并基于训练样本所对应的类别信息，确定训练样本所对应的不平衡因子；获取训练样本的密度信息，并基于密度信息，确定训练样本所对应的密度因子；在模型训练过程中，基于子分类器，确定训练样本被分到各个类别的概率，并基于训练样本被分到各个类别的概率确定样本的边界因子；基于不平衡因子、密度因子以及边界因子，确定训练样本的样本重要性信息，并将样本重要性信息融入集成学习的模型训练中，以完成模型训练。本发明可使得模型在训练过程中更关注小类样本、分布在主要区域的样本以及分类难度更高的样本，以提高模型预测的性能。

本发明授权一种基于集成学习和样本重要性的模型训练方法及系统在权利要求书中公布了：1.一种基于集成学习和样本重要性的模型训练方法，其特征在于，所述方法包括： 在模型训练前，获取训练样本，并基于所述训练样本所对应的类别信息，确定所述训练样本所对应的不平衡因子，所述不平衡因子用于反映所述训练样本所对应的类别信息的类别大小与最小类别信息的类别大小之间的比值，所述训练样本为图像样本； 获取所述训练样本的密度信息，并基于所述密度信息，确定所述训练样本所对应的密度因子，所述密度信息用于反映训练样本与各临近样本之间的距离关系，所述各临近样本为与所述训练样本属于同一类别信息，所述密度因子通过指数形式将所述密度信息标准化在一定范围内，且与密度信息成反比，用于反应类内分布信息； 在模型训练过程中，基于子分类器，确定所述训练样本被分到各个类别的概率，并基于所述训练样本被分到各个类别的概率确定所述训练样本的边界因子，所述边界因子用于反映所述训练样本被分到正确类别的概率与被分到错误类别的最大概率之间差值，其中，所述训练样本被分到正确类别的概率与被分到错误类别的最大概率之间的差值为边界值，将所述边界值加1得到所述边界因子； 基于所述不平衡因子、所述密度因子以及所述边界因子，更新所述训练样本的样本重要性信息，并将所述样本重要性信息融入集成学习的模型训练中，以完成模型训练； 所述基于所述密度信息，确定所述训练样本所对应的密度因子，包括： 获取数据集的样本平均密度； 计算所述训练样本的密度信息与所述数据集的样本平均密度之间的比值，得到样本标准化密度； 根据所述样本标准化密度，得到所述密度因子； 所述密度因子定义为以下指数形式： ， 为训练样本的标准化密度，为训练样本的标准化密度，训练样本属于第类，为第类的大小； 所述基于所述不平衡因子、所述密度因子以及所述边界因子，更新所述训练样本的样本重要性信息的公式为： ， 其中，表示训练样本的不平衡因子，表示训练样本的密度因子，表示训练样本在第t个训练周期的边界因子。

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南方科技大学;华为技术有限公司，其通讯地址为：518055 广东省深圳市南山区桃源街道学苑大道1088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”。