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！

龙图腾网获悉深圳华中科技大学研究院申请的专利一种基于集成学习的机器学习模型调整方法及设备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：CN114065840B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202111243076.3，技术领域涉及：G06V10/764；该发明授权一种基于集成学习的机器学习模型调整方法及设备是由伍冬睿;赵昶铭设计研发完成，并于2021-10-25向国家知识产权局提交的专利申请。

本一种基于集成学习的机器学习模型调整方法及设备在说明书摘要公布了：本发明涉及一种基于集成学习的机器学习模型调整方法及设备，方法包括以下步骤：构建初始目标分类模型；所述初始目标分类模型，为机器学习模型；采用BF方法对所述初始目标分类模型进行k轮迭代调整，降低初始目标分类模型的偏差；采用BBF方法对初始目标分类模型进行多次调整，降低初始目标分类模型的方差；对多次调整进行平均输出，最终得到调整后的目标分类模型；设备用于实现方法。本发明有益效果是：提升了机器学习模型的性能，能够在数据量不大的，图像目标分类问题上更好的进行分类，解决了单一模型在这些数据集上容易过拟合的问题，从而提升目标分类的精度。

本发明授权一种基于集成学习的机器学习模型调整方法及设备在权利要求书中公布了：1.一种基于集成学习的机器学习模型调整方法，其特征在于：包括以下步骤： S101：构建初始目标分类模型；所述初始目标分类模型，为机器学习模型；所述目标分类模型的目标包括：图像分类目标和医学分类目标； S102：采用BF方法对所述初始目标分类模型进行k轮迭代调整，降低初始目标分类模型的偏差； S103：采用BBF方法对初始目标分类模型进行多次调整，降低初始目标分类模型的方差； S104：对步骤S103中的多次调整进行平均输出，最终得到调整后的目标分类模型； 步骤S102中，所述k轮迭代调整，具体为： S201：随机生成一个矩阵W1，将原始特征进行随机映射，并将映射后的特征输入至激活函数δ，得到H1=δ[zX,W1]；其中z表示归一化操作；X表示输入的原始特征； S202：将训练集D输入至所述初始目标分类模型，得到样本权重B1和伪标签；所述训练集采用UCI数据集； S203：将H1、样本权重B1和伪标签输入至一个BF学习器的第一基学习器L1，得到样本权重B2和伪标签；所述一个BF学习器，包括k个基学习器，分别为L1-Lk； S204：进入第二轮迭代，随机生成一个矩阵W2，并将H2=δ[zX,W2]、样本权重B2和伪标签输入至BF学习器的第二基学习器L2，得到样本权重B3和伪标签； S205：延续步骤S203~204，直至迭代k轮，将Hk=δ[zX,Wk]、样本权重Bk和伪标签输入至第k基学习器Lk； S206：将初始模型、k个基学习器L1-Lk的输出进行求和，得到降低初始目标分类模型的偏差后的输出结果； 步骤S103中，所述多次调整，具体指：在步骤S102中，仅对一个BF学习器进行，而多次调整时，再对k个不同的BF学习器进行训练，再输出k个不同的BF学习器的输出平均值； 对k个不同的BF学习器进行训练时，从训练集D中随机生成k个不同的训练子集D1-Dk，对应为k个不同的BF学习器训练。

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深圳华中科技大学研究院，其通讯地址为：518000 广东省深圳市南山区粤兴三道9号华中科技大学深圳产学研基地大楼；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。