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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利一种基于组合纠错编码策略的多示例多标签学习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：CN117011647B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202311046882.0，技术领域涉及：G06V10/774；该发明授权一种基于组合纠错编码策略的多示例多标签学习方法是由罗廷金;张馨月设计研发完成，并于2023-08-19向国家知识产权局提交的专利申请。

本一种基于组合纠错编码策略的多示例多标签学习方法在说明书摘要公布了：本发明公开了编码策略技术领域的一种基于组合纠错编码策略的多示例多标签学习方法。该基于组合纠错编码策略的多示例多标签学习方法包括以下步骤：基于Fisher核设计多示例包级别数据结构信息的特征嵌入表示方法，将原多示例多标签学习问题转换为多标签学习问题；在纠错输出编码思想指导下，提出多标签子问题随机串联的编码策略；构造并训练支持向量机模型，基于T准则获得代表预测样本在每个标签下具体类别表现的硬标签。该基于组合纠错编码策略的多示例多标签学习方法有效缓解类别不平衡问题。此外，该模型基于编码随机划分不同训练数据块以学习基分类器，使得基分类器之间的相似度减弱，分类编码纠错能力更强。

本发明授权一种基于组合纠错编码策略的多示例多标签学习方法在权利要求书中公布了：1.一种基于组合纠错编码策略的多示例多标签学习方法，其特征在于，包括以下步骤： S1.基于Fisher核设计多示例包级别数据结构信息的特征嵌入表示方法，将原多示例多标签学习问题转换为多标签学习问题； S2.在纠错输出编码思想指导下，提出多标签子问题随机串联的编码策略； 所述S2包括以下步骤： S21.基于ECOC技术的思想，将一个多标签问题分解为若干个单标签二分类子问题； S22.随机选择与组合编码策略； 所述S22包括以下步骤： S221.针对任务场景，随机选择原始多标签问题转化后的若干多标签子问题，用OVA策略将其对应的编码矩阵串联成一个完整的编码矩阵，随后完成训练和解码阶段； 所述S221包括以下步骤： S2211.编码阶段：设原始多示例多标签问题Q有q个标签，策略考虑相同大小的kk≤q个子标签，记第i个子问题为wi，则子问题构成的集合Qk中元素个数为d为待研究的子问题的规模，其大小小于等于策略将从集合Qk中无放回地随机选择d个子问题，对于每个子问题采用OVA编码策略得到对应的编码矩阵Zi∈{‑1,0,+1}q×k,1≤i≤d，连接所有Zi，i＝1，2，...，d，即可得到完整的待训练编码矩阵Z∈{‑1,0,+1}q×kd； S2212.训练阶段：基于编码矩阵Z的每一行构造二分类器hj·并完成训练，当标签在第j行用+1编码时，将在hj·中训练的数据集中与该标签相关的样本视为正样本；当标签在第j行用‑1编码时，在训练中与该标签相关但与任何+1样本无关的样本被视为负样本；当标签在第j行用0编码时，数据集中仅与该标签相关的样本不参与分类器hj·的训练； S2213.解码阶段：对于待测样本Bnew，首先将其示例信息嵌入到矢量中，然后将发送到编码矩阵Z中，用所有分类器完成分类从而得到对应的代码所谓解码，即从代码中预测标签向量，该过程依赖于测量不同代码之间的距离，使用汉明距离来度量距离，然而，由于策略随机选择部分子问题构造分类器，故Z的第l列的代码zl中可能包含与当前分类器无关的0码，因此，在有效码位之间定义有效的汉明距离，将这些无意义的码位排除在外，以获得更准确可靠的结果，即： S222.预测样本属于各个标签的概率，得到软标签集； S3.构造并训练支持向量机模型，基于T准则获得代表预测样本在每个标签下具体类别表现的硬标签。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。