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！

龙图腾网获悉北方工业大学申请的专利一种用于无监督域适应的源域噪声修正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：CN116776216B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202310621602.8，技术领域涉及：G06F18/241；该发明授权一种用于无监督域适应的源域噪声修正方法是由李云栋;闫云龙;魏小坤;孙彦春;唐宇设计研发完成，并于2023-05-30向国家知识产权局提交的专利申请。

本一种用于无监督域适应的源域噪声修正方法在说明书摘要公布了：本发明提供了一种用于无监督域适应的源域噪声修正方法，属于机器视觉域适应领域。所述方法首先获取源域全体样本XS，类别为N，在源域上对特征提取器和分类器做预训练，用预训练完成的特征提取器对源域全体样本提取特征集ZS；用声明了K＝N个簇类别的高斯混合模型GMM对提取到的特征集ZS进行建模，计算并比较每一个样本x属于每一簇的概率，取概率最大值所在簇的簇标签更新当前样本的标签；再通过标签转变矩阵A统计样本数量，以新标签对应最多数量样本的原标签，作为该新标签对应所有样本的修正标签，完成对源域噪声的修正。本发明将源域带噪数据集按照其最大概率值重新分类，降低了数据集噪声比例，增强了无监督域适应方法的鲁棒性。

本发明授权一种用于无监督域适应的源域噪声修正方法在权利要求书中公布了：1.一种用于无监督域适应的源域噪声修正方法，其特征在于，包括如下步骤： 步骤S1，获取源域全体图片样本XS及所有样本的原标签集YS，并将每个样本x转变为张量形式，源域全体样本XS中类别数量为N； 步骤S2，在源域上对特征提取器和分类器做预训练，用预训练完成的特征提取器对源域全体样本提取特征集ZS； 步骤S3，设定高斯混合模型GMM中簇的数量为K个，且K=N；用高斯混合模型对提取到的特征集ZS进行建模，计算并比较当前样本x属于每一簇的概率，采用概率最大值所在簇的簇标签作为预测的新标签，更新当前样本的标签； 步骤S4，构建一个大小为N×N的标签转变矩阵A={aij}，aij代表原标签为j-1、且预测的新标签为i-1的样本的数量，计算矩阵A中所有元素aij的值； 步骤S5，根据矩阵A中对样本数量的统计，以新标签对应最多数量样本的原标签，作为该新标签对应所有样本的修正标签，完成对源域噪声的修正； 其中，步骤S5具体包括： 步骤S51，预设c初始值为0，t初始值为1； 步骤S52，查询所述标签转变矩阵A第t行最大值所在列为m； 步骤S53，若m≠t，将第t行与第m行对调，使第m行的最大值在矩阵对角线上，c加1；若m=t，则c加1，t加1； 步骤S54，若cN-1，返回步骤S52；若c=N-1，执行步骤S55； 步骤S55，以转换后的矩阵A中所有元素对应的新标签i-1作为源域所有对应样本的修正标签。

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北方工业大学，其通讯地址为：100041 北京市石景山区晋元庄路5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。