华中科技大学张腾获国家专利权
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！
龙图腾网获悉华中科技大学申请的专利一种基于半监督学习的图像分类模型的构建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：CN120766043B 。
龙图腾网通过国家知识产权局官网在2026-05-05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：202510996271.5，技术领域涉及：G06V10/764；该发明授权一种基于半监督学习的图像分类模型的构建方法是由张腾;曹楠设计研发完成，并于2025-07-18向国家知识产权局提交的专利申请。
本一种基于半监督学习的图像分类模型的构建方法在说明书摘要公布了：本发明公开了一种基于半监督学习的图像分类模型的构建方法，属于图像分类技术领域，所述方法通过对无标记图像样本的风险系数进行判断，能够对未标记图像进行细粒度的评估，进而对特征信息比较模糊模型难以区分的图像设置较高的风险系数以使其在模型训练过程中的影响降低；基于集成学习方法和基线模型来保证图像分类模型的性能稳健。具体的，由于无标记图像的存在模型训练过程中会存在不确定性，利用采样技术从原始数据集内构建多个半监督学习子集，并基于子集训练多个图像分类模型作为基学习器，从而创建基学习器池，基于集成学习从基学习器池生成最终的图像分类模型，能够保证模型性能不弱于从已标记图像样本中训练的基线模型。
本发明授权一种基于半监督学习的图像分类模型的构建方法在权利要求书中公布了：1.一种基于半监督学习的图像分类模型的构建方法，其特征在于，包括： S1：计算未标记图像样本集中的未标记图像样本与已标记图像样本集中正类样本和负类样本各自的相似度信息； S2：利用与所述正类样本的相似度信息计算所述未标记图像样本集向所述正类样本传输的正向最优传输矩阵；利用与所述负类样本的相似度信息计算所述未标记图像样本集向所述负类样本传输的负向最优传输矩阵； S3：利用所述正向最优传输矩阵和所述负向最优传输矩阵计算所述未标记图像样本集的风险系数； S4：利用每次选择的半监督训练子集及其中选择的未标记图像样本集的风险系数训练一个机器学习模型；所述半监督训练子集是基于随机采样策略分别从所述未标记图像样本集和所述已标记图像样本集中采样一定数量的样本构成； S5：利用多次训练得到的多个所述机器学习模型构建基学习器池； S6：对所述基学习器池中的所有模型进行整合得到图像分类模型。
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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励