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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于可视化重构的少样本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：CN119474977B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202411550391.4，技术领域涉及：G06F18/24；该发明授权一种基于可视化重构的少样本分类方法是由刘真;孙华威;徐润森;任怡;朱志豪设计研发完成，并于2024-11-01向国家知识产权局提交的专利申请。

本一种基于可视化重构的少样本分类方法在说明书摘要公布了：本发明的目的就是为了克服用户只能看到训练结果，并不能看到查询集和支持集之间的关系以及不能对支持集里的样本进行筛选，提供了一种直观形象、可以在分类过程中观察支持集对分类结果影响的可视化办法。为了解决上述技术问题，本发明的技术方案为：一种基于可视化重构的少样本分类方法，用以在样本集很少的情况下，通过交互的方法来提高支持集的质量并提高分类结果，包括以下步骤：S1、查询集样本的重构；S2、支持集样本的相似矩阵可视化生成；S3、支持集样本的推荐算法；S4、替换过程的类内，类间聚合程度的可视化生成。

本发明授权一种基于可视化重构的少样本分类方法在权利要求书中公布了：1.一种基于可视化重构的少样本分类方法，其特征在于，包括以下步骤： S1、查询集样本的重构：对给定的支持集和查询集，使用FRN重构算法将查询集里的每一张样本通过支持集进行重构，并通过新的样本进行分类； 通过T-SNE降维，并通过散点图进行可视化； S2、支持集样本的相似矩阵可视化生成：包括多个类之间的相似性矩阵，并通过相似性矩阵展示，用户来筛选出分类效果差的支持样本，用作后续的替换操作； S3、支持集样本的推荐算法:在S2中筛选出低质量的支持样本之后，根据推荐算法并将结果进行降序，通过推荐得分和散点图布局信息选出高质量的样本；用该高质量样本来替换S2中筛选出来的低质量样本，并重复步骤S1至S3； 通过FRN算法将查询集通过支持集重构出来，使得查询集离目标集合更近，并且生成散点图； 步骤S3中推荐算法包括：根据重构之前和重构之后的散点图位置信息； 将重构之前的支持样本围成的面积和该面积内正样本数量的比值V1和重构之后的支持样本围成的面积和该面积内正样本数量的比值RecV1，以及分类结果中的F1分数和F1分数与F2分数的差值D； 其中V1和RecV1只有当围成的面积越小并且该面积覆盖的正样本数量越多，代表该支持样本集合的分类情况越好，反之越差；F1和D越高则代表越能相信该样本属于该类，并且该样本的特征更明显； 推荐算法的公式： 其中α、β、γ、δ是四个超参数，Rsi是第i类重构之后的支持样本的围成面积； 对于第一项来说，分子的意思是第i类支持样本的围成面积中，属于第i类的样本数量；分母是Si是第i类支持样本的围成面积； 对于第二项来说，在重构之后的散点图中，分子是第i类支持样本的围成面积中，属于第i类的样本数量；分母是Rsi是第i类支持样本的围成面积； 通过用户设定的超参数会得到该类样本中每个样本的一个推荐值，根据推荐值降序排列样本；再依次从高到低观察样本在散点图中的位置，选择是否选择该点用来替换； 通过S2中用户选择样本进行替换；替换之后就会重新根据FRN算法生成一个散点图； S4、替换过程的类内，类间聚合程度的可视化生成：通过在不断替换支持集样本的过程中可视化出类内和类间的聚合程度来反映更新操作的优劣性，用户以此来判断替换操作的正确性。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。