買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉東南大學申請的專利基于類屬特征構造的含噪多標記分類方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114861816B 。

龍圖騰網通過國家知識產權局官網在2025-08-08發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210574747.2，技術領域涉及：G06F18/2431；該發明授權基于類屬特征構造的含噪多標記分類方法是由張敏靈;朱雅婷;楊浩設計研發完成，并于2022-05-25向國家知識產權局提交的專利申請。

本基于類屬特征構造的含噪多標記分類方法在說明書摘要公布了：本發明提出了一種基于類屬特征構造的含噪多標記分類方法，該方法適用于標記空間含有噪聲的多標記數據分類場景。該方法包括以下步驟：1用戶在保證完全獲得真實標記的前提下收集多標記數據；2利用特征空間的內部結構信息對含噪標記進行消歧；3基于已消歧的數據集，為每個標記構建類屬特征映射；4根據每個標記的類屬特征映射構建二分類數據集，并訓練二分類模型；5根據訓練得到的分類模型對未見示例進行預測，得到每個類別的分類結果；6如果用戶對預測結果滿意，則結束，否則轉到步驟2，對原始標記重新進行消歧。

本發明授權基于類屬特征構造的含噪多標記分類方法在權利要求書中公布了：1.一種基于類屬特征構造的含噪多標記分類方法，其特征在于：該方法包括以下步驟： 步驟1用戶在保證完全獲得真實標記的前提下收集多標記數據； 步驟2利用特征空間的內部結構信息對含噪標記進行消歧； 步驟3基于已消歧的數據集，為每個標記構建類屬特征映射； 步驟4根據每個標記的類屬特征映射構建二分類數據集，并訓練二分類模型； 步驟5根據學得的分類模型對未見示例進行預測，得到每個類別的分類結果； 步驟6如果用戶對預測結果滿意，則結束，否則轉到步驟2，對原始標記重新進行消歧； 所述步驟2利用特征空間的內部結構信息對含噪標記進行消歧，具體包括： 假設表示d維的示例空間，Y＝{y1,y2,…,yq}表示含有q個類別的標記空間；給定含噪多標記數據集D＝{x1,S1,x2,S2,…,xm,Sm}，包含m個示例的，其中為d維的屬性向量，而為與示例xi對應的一組候選標記集合；此外，表示與示例xi對應的一組非候選標記集合；Yi為示例xi的真實標記集合； 對每個標記yk∈Y，執行以下循環體： 1將樣本劃分為正樣本集合和負樣本集合 2利用k-means算法分別將和分別聚類成mk個簇；正負樣本集合的聚類中心被分別定義為和 3訓練一個二分類模型得到樣本的置信度排序，選擇一定數量置信度值較小的樣本組成待確定偽正樣本子集Uk， 4計算樣本xi與正負樣本聚類中心的距離來判斷該樣本是否為噪聲樣本，xi∈Uk；若是則校正該樣本類別；表示示例xi與mk個正樣本聚類中心的平均距離，表示示例xi與各負樣本聚類中心的平均距離； 步驟3基于已消歧的數據集，為每個標記構建類屬特征映射，具體包括： 3.1根據步驟2 得到已消歧的數據集D′＝{x1,S′1,x2,S′2,…,xm,S′m}； 3.2在數據集D′上為每個標記yk∈Y計算其正負樣本集合； 3.3利用k-means算法分別將和分別聚類成mk個簇；正負樣本集合的聚類中心被分別定義為和 3.4計算樣本與2mk個聚類中心點的歐式距離將原始樣本d維的屬性映射為2mk維，由此得到標記yk的類屬特征映射φk： 所述步驟4根據每個標記的類屬特征映射構建二分類數據集，并訓練二分類模型，具體包括： 對每個標記yk∈Y，根據步驟3中的映射關系φk將數據集D′構造為其相應的二分類訓練集D′k，其中當·為真時，取值為1，否則為-1； 在二分類數據集D′k上，為標記yk訓練一個二類分類模型hk，同理，為標記空間Y中的每個標記各訓練一個二類分類模型{h1,h2,...hq}。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人東南大學，其通訊地址為：210096 江蘇省南京市玄武區四牌樓2號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。