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！

龙图腾网获悉浙江大学申请的专利一种基于指向目标域的模板学习的无监督域适应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：CN119939344B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202510023244.X，技术领域涉及：G06F18/241；该发明授权一种基于指向目标域的模板学习的无监督域适应方法是由彭昱龙;陈旭超;李晨阳;徐羽晨;汪蕊雪;叶香华;高峰;陈卫东;张韶岷设计研发完成，并于2025-01-07向国家知识产权局提交的专利申请。

本一种基于指向目标域的模板学习的无监督域适应方法在说明书摘要公布了：本发明公开了一种基于指向目标域的模板学习的无监督域适应方法，包括：获取有标签的源域数据和无标签的目标域数据，通过域适应分类模型中的特征提取器分别获得源域特征、目标域特征，并构建一个源域和目标域共用的类别模板；根据源域特征和类别模板计算交叉熵损失，根据目标域特征和类别模板计算基于黎曼距离的最小类混淆损失，将交叉熵损失和最小类混淆损失之和作为总损失函数；通过源域数据和总损失函数训练域适应分类模型，将训练后的域适应分类模型应用于目标域数据，实现无监督域适应。本发明通过可学习类别模板基于黎曼距离的类混淆最小损失，达到降低目标域数据上类混淆程度，提高模型对目标域数据的预测精度。

本发明授权一种基于指向目标域的模板学习的无监督域适应方法在权利要求书中公布了：1.一种基于指向目标域的模板学习的无监督域适应方法，其特征在于，包括： 步骤1：获取有标签的源域运动想象脑电数据和无标签的目标域运动想象脑电数据，通过域适应分类模型中的特征提取器分别获得源域特征、目标域特征，并构建一个源域和目标域共用的可学习的类别模板； 步骤2：根据源域特征和类别模板之间的距离计算交叉熵损失，根据目标域特征计算类相关矩阵，并以单位矩阵或者基于类别模板确定的理想类混淆矩阵作为类混淆矩阵，基于类相关矩阵与类混淆矩阵之间的黎曼距离计算最小类混淆损失，将交叉熵损失和最小类混淆损失之和作为总损失函数； 其中，基于类别模板确定理想类混淆矩阵，包括：基于类别模板计算目标域数据中所有样本被分配为各个类别模板时，类别模板中各个类别的预测概率，形成类别模板的预测概率矩阵，基于类别模板的预测概率矩阵的自身及其转置矩阵来构建理想类混淆矩阵； 步骤3：利用总损失函数训练域适应分类模型，将训练后的域适应分类模型应用于目标域运动想象脑电数据，实现无监督域适应分类。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。