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！

龙图腾网获悉华南理工大学申请的专利基于宽度集成学习的疾病检测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：CN117437458B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202311267138.3，技术领域涉及：G06V10/764；该发明授权基于宽度集成学习的疾病检测系统是由云帆;范紫薇;余志文;杨楷翔;陈俊龙设计研发完成，并于2023-09-27向国家知识产权局提交的专利申请。

本基于宽度集成学习的疾病检测系统在说明书摘要公布了：本发明公开了一种基于宽度集成学习的疾病检测系统，包括：数据获取模块，对医疗数据进行预处理得到输入样本；初级分类模块，根据分类误差对输入样本进行序列加权，提高集成多样性，将轻量级的宽度学习网络作为初级分类器，对加权后的样本进行训练，使用宽度学习网络的增量学习模式，选择性集成优秀的初级分类器进行预测，提高集成准确性；次级分类模块，将初级分类器的预测结果作为增强特征输入次级分类器，并根据初级分类器的平均预测精度自适应加入数据获取模块得到的输入样本，训练次级分类器，得到最终的疾病检测结果，辅助医生诊断治疗。本发明可通过机器学习方法对疾病进行早期预防和检测，减轻医疗系统和社会经济负担。

本发明授权基于宽度集成学习的疾病检测系统在权利要求书中公布了：1.基于宽度集成学习的疾病检测系统，其特征在于，包括： 数据获取模块，用于获取包含多个医疗样本的医疗数据集，并对样本进行归一化处理，得到统一大小的输入样本； 初级分类模块，用于对集成学习的样本进行优化，平均初始化样本权重，为输入样本进行加权，使用n个初级分类器对加权后的样本进行训练，所述初级分类器为宽度学习网络，在初级分类器精度不足时，使用宽度学习网络的增量模式，通过增加隐层节点数目提高初级分类器精度，选择性能优秀的初级分类器对加权后的样本进行预测，提高集成学习的准确性，在预测过程中，对于前一个初级分类器的预测结果，根据每个样本的误差对样本加权，提高预测错误的样本权重，减小预测正确的样本权重，使后一个初级分类器更加关注难分类的样本，不同的初级分类器的输入样本加权不同，提高集成学习的多样性，高准确性和丰富的多样性能够给宽度集成网络带来性能上的提升，循环迭代训练n个初级分类器，最终得到n个初级分类器的预测结果和精度； 次级分类模块，使用具有学习能力的分类器合并各个初级分类器的预测结果，对集成学习的特征进行优化，生成最终的预测结果；其中，将具有学习能力的分类器称为次级分类器，将n个初级分类器的预测结果合并，作为增强后的特征输入次级分类器进行进一步的训练，计算n个初级分类器的平均精度，当平均精度小于所设的阈值时，将数据获取模块中得到的样本作为原始样本一同输入次级分类器，否则，仅将合并后的初级分类器的预测结果输入次级分类器，自适应调节次级分类器计算复杂度，提高训练效率，将次级分类器训练后得到的集成输出作为最终疾病检测结果。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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”。

以上内容由龙图腾AI智能生成。