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！

龙图腾网获悉西安电子科技大学申请的专利一种基于共享特征对齐的半监督多模态数据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：CN119131503B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202411288654.9，技术领域涉及：G06V10/764；该发明授权一种基于共享特征对齐的半监督多模态数据分类方法是由曲家慧;张利剑;李云松;董文倩设计研发完成，并于2024-09-14向国家知识产权局提交的专利申请。

本一种基于共享特征对齐的半监督多模态数据分类方法在说明书摘要公布了：一种基于共享特征对齐的半监督多模态数据分类方法，包括以下步骤；S101：输入标签的和无标签的高光谱图像与激光雷达图像，提取域共享特征和域私有特征；S102：拼接高光谱和激光雷达的域共享特征，生成域共享的融合特征，补充融合特征中的语义信息；S103：对齐标签数据与无标签数据的特征分布；S104：辨别标签样本和无标签样本，选取有价值的无标签样本；S105：设计基于类自适应阈值的样本标注策略，根据类别的分类难度为每一类设计不同的阈值，选择高置信度的伪标签样本重新训练模型；S106：对搭建的半监督联合分类网络模型进行训练。本发明引入域自适应思想来捕获标签数据和无标签数据的共享特征并通过迭代选取高价值伪标签来提升模型的分类精度。

本发明授权一种基于共享特征对齐的半监督多模态数据分类方法在权利要求书中公布了：1.一种基于共享特征对齐的半监督多模态数据分类方法，其特征在于，包括以下步骤： S101：输入标签的和无标签的高光谱图像与激光雷达数据，构建共享-私有特征解耦模块，分别提取高光谱图像和激光雷达数据的域共享特征和域私有特征； S102：拼接高光谱图像和激光雷达数据的域共享特征，生成域共享的融合特征，设计基于VisionTransformer的特征增强模块以补充域共享融合特征中的语义信息； S103：设计多级共享特征对齐模块，对齐标签数据与无标签数据的域共享特征的特征分布； S104：设计基于图Transformer的样本获取模块，基于对齐的域共享特征，使用图Transformer网络辨别标签数据样本和无标签数据样本，根据图Transformer网络的输出结果选取有价值的无标签数据样本； S105：设计基于类自适应阈值的样本标注模块，根据类别的分类难度为每一类设计不同的阈值，为选择的无标签数据样本生成相应的伪标签； S106：使用设计的多个模块搭建半监督联合分类网络模型，对搭建的网络模型进行训练，得到合适的网络参数，并实现数据分类； 所述步骤S101具体为： 标签数据被视为源域，无标签数据被视为目标域，设计共享-私有特征解耦模块来提取标签数据和无标签数据的共享特征，共享-私有特征解耦模块由共享编码器、私有编码器和解码器构成，共享编码器和私有编码器分别用于捕获域共享和域私有特征，解码器使用共享特征和私有特征重建原始数据，确保提取的特征保留原始数据中有价值的信息； 所述步骤S105具体为： 获得选择集Dq之后，选择高置信度的伪标签重新训练分类模型，首先，根据Dq中无标签样本的预测结果构建全局置信度阈值，然后根据每个类别达到全局阈值的样本个数为每个类别设计类特定阈值，全局阈值thg表示为: 其中|Dq|表示Dq中的样本数，pi表示无标签样本的预测结果，属于类别c的样本数目numc定义为： 其中I·表示当满足条件时输出结果为1，num使用进行归一化，其中表示num的均值，使用λc调整全局阈值thg的过程如下： 其中thc表示类别c的阈值，对于样本较少的类别，阈值会降低，而对于类别较多的类别，阈值会提高。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路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”。

以上内容由龙图腾AI智能生成。