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！

龙图腾网获悉厦门理工学院申请的专利一种基于光谱分析的文书鉴定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：CN120808127B 。

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：202511317632.5，技术领域涉及：G06V20/00；该发明授权一种基于光谱分析的文书鉴定方法是由王逸平;白紫君;陈剑平;陈路遥;陈隽毓;李朱君;庄芹芹;王婧婧设计研发完成，并于2025-09-16向国家知识产权局提交的专利申请。

本一种基于光谱分析的文书鉴定方法在说明书摘要公布了：本发明公开了一种基于光谱分析的文书鉴定方法，包括：获取本地文书的光谱数据，对光谱数据进行数据处理和特征提取，得到本地光谱特征；通过本地光谱特征训练本地教师模型，得到本地教师模型的光谱特征知识表征，将本地教师模型的光谱特征知识表征上传至中心服务器；在中心服务器中通过若干本地教师模型的光谱特征知识表征训练全局学生模型，通过全局学生模型和光谱特征知识表征生成对抗性光谱样本；将全局学生模型与对抗光谱特征样本下发至本地进行增量迭代训练，得到本地文书鉴定模型，并基于该模型对本地文书光谱数据输出鉴定结果。

本发明授权一种基于光谱分析的文书鉴定方法在权利要求书中公布了：1.一种基于光谱分析的文书鉴定方法，其特征在于，包括： 获取本地文书的光谱数据，对光谱数据进行数据处理和特征提取，得到本地光谱特征，具体的： 通过光谱仪器采集本地文书的光谱数据，对光谱数据进行去噪、基线校正、归一化处理得到归一化的光谱数据； 对归一化的光谱数据依次进行主成分分析、小波分解与自编码器特征融合，提取多模态光谱特征，组合成特征向量，作为本地光谱特征，具体的： 对归一化的光谱数据进行主成分分析，获取数据中的主要变化成分，将原始高维光谱数据降维为若干个主要成分特征向量，得到PCA主成分特征向量； 对归一化的光谱数据进行小波变换或小波包分解，提取含有不同频段信息的特征，得到小波分解系数特征向量； 利用深度自编码器模型对归一化光谱数据进行无监督训练，将数据编码为低维隐空间的特征向量，得到自编码器隐空间特征向量； 将PCA主成分特征向量、小波分解系数特征向量、自编码器隐空间特征向量按照预设维度融合，形成多模态光谱特征向量，作为本地光谱特征； 通过本地光谱特征训练本地教师模型，得到本地教师模型的光谱特征知识表征，将本地教师模型的光谱特征知识表征上传至中心服务器，具体的： 基于深度神经网络构建本地教师模型，使用带有标签的本地光谱特征对本地教师模型进行交叉熵损失训练，得到第一组本地软标签； 将无标签的本地光谱特征输入到交叉熵损失训练后的本地教师模型，得到第二组本地软标签； 计算软标签的置信度及信息熵值，过滤去除置信度低的软标签，将本地光谱特征及其对应的第一软标签和第二本地软标签作为光谱特征知识表征，上传至中心服务器； 在中心服务器中通过若干本地教师模型的光谱特征知识表征训练全局学生模型，通过全局学生模型和光谱特征知识表征生成对抗性光谱样本； 将全局学生模型与对抗光谱特征样本下发至本地进行增量迭代训练，得到本地文书鉴定模型，并基于该模型对本地文书光谱数据输出鉴定结果。

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厦门理工学院，其通讯地址为：361021 福建省厦门市集美区理工路600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。