買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉南方科技大學(xué);華為技術(shù)有限公司申請的專利一種基于集成學(xué)習(xí)和樣本重要性的模型訓(xùn)練方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115063623B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-08發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號(hào)為：202210446487.0，技術(shù)領(lǐng)域涉及：G06V10/764；該發(fā)明授權(quán)一種基于集成學(xué)習(xí)和樣本重要性的模型訓(xùn)練方法及系統(tǒng)是由李淑嫻;宋麗妍;姚新;張曉明;武曉宇;胡崢設(shè)計(jì)研發(fā)完成，并于2022-04-26向國家知識(shí)產(chǎn)權(quán)局提交的專利申請。

本一種基于集成學(xué)習(xí)和樣本重要性的模型訓(xùn)練方法及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種基于集成學(xué)習(xí)和樣本重要性的模型訓(xùn)練方法及系統(tǒng)，方法包括：在模型訓(xùn)練前，獲取訓(xùn)練樣本，并基于訓(xùn)練樣本所對(duì)應(yīng)的類別信息，確定訓(xùn)練樣本所對(duì)應(yīng)的不平衡因子；獲取訓(xùn)練樣本的密度信息，并基于密度信息，確定訓(xùn)練樣本所對(duì)應(yīng)的密度因子；在模型訓(xùn)練過程中，基于子分類器，確定訓(xùn)練樣本被分到各個(gè)類別的概率，并基于訓(xùn)練樣本被分到各個(gè)類別的概率確定樣本的邊界因子；基于不平衡因子、密度因子以及邊界因子，確定訓(xùn)練樣本的樣本重要性信息，并將樣本重要性信息融入集成學(xué)習(xí)的模型訓(xùn)練中，以完成模型訓(xùn)練。本發(fā)明可使得模型在訓(xùn)練過程中更關(guān)注小類樣本、分布在主要區(qū)域的樣本以及分類難度更高的樣本，以提高模型預(yù)測的性能。

本發(fā)明授權(quán)一種基于集成學(xué)習(xí)和樣本重要性的模型訓(xùn)練方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種基于集成學(xué)習(xí)和樣本重要性的模型訓(xùn)練方法，其特征在于，所述方法包括： 在模型訓(xùn)練前，獲取訓(xùn)練樣本，并基于所述訓(xùn)練樣本所對(duì)應(yīng)的類別信息，確定所述訓(xùn)練樣本所對(duì)應(yīng)的不平衡因子，所述不平衡因子用于反映所述訓(xùn)練樣本所對(duì)應(yīng)的類別信息的類別大小與最小類別信息的類別大小之間的比值，所述訓(xùn)練樣本為圖像樣本； 獲取所述訓(xùn)練樣本的密度信息，并基于所述密度信息，確定所述訓(xùn)練樣本所對(duì)應(yīng)的密度因子，所述密度信息用于反映訓(xùn)練樣本與各臨近樣本之間的距離關(guān)系，所述各臨近樣本為與所述訓(xùn)練樣本屬于同一類別信息，所述密度因子通過指數(shù)形式將所述密度信息標(biāo)準(zhǔn)化在一定范圍內(nèi)，且與密度信息成反比，用于反應(yīng)類內(nèi)分布信息； 在模型訓(xùn)練過程中，基于子分類器，確定所述訓(xùn)練樣本被分到各個(gè)類別的概率，并基于所述訓(xùn)練樣本被分到各個(gè)類別的概率確定所述訓(xùn)練樣本的邊界因子，所述邊界因子用于反映所述訓(xùn)練樣本被分到正確類別的概率與被分到錯(cuò)誤類別的最大概率之間差值，其中，所述訓(xùn)練樣本被分到正確類別的概率與被分到錯(cuò)誤類別的最大概率之間的差值為邊界值，將所述邊界值加1得到所述邊界因子； 基于所述不平衡因子、所述密度因子以及所述邊界因子，更新所述訓(xùn)練樣本的樣本重要性信息，并將所述樣本重要性信息融入集成學(xué)習(xí)的模型訓(xùn)練中，以完成模型訓(xùn)練； 所述基于所述密度信息，確定所述訓(xùn)練樣本所對(duì)應(yīng)的密度因子，包括： 獲取數(shù)據(jù)集的樣本平均密度； 計(jì)算所述訓(xùn)練樣本的密度信息與所述數(shù)據(jù)集的樣本平均密度之間的比值，得到樣本標(biāo)準(zhǔn)化密度； 根據(jù)所述樣本標(biāo)準(zhǔn)化密度，得到所述密度因子； 所述密度因子定義為以下指數(shù)形式： ， 為訓(xùn)練樣本的標(biāo)準(zhǔn)化密度，為訓(xùn)練樣本的標(biāo)準(zhǔn)化密度，訓(xùn)練樣本屬于第類，為第類的大小； 所述基于所述不平衡因子、所述密度因子以及所述邊界因子，更新所述訓(xùn)練樣本的樣本重要性信息的公式為： ， 其中，表示訓(xùn)練樣本的不平衡因子，表示訓(xùn)練樣本的密度因子，表示訓(xùn)練樣本在第t個(gè)訓(xùn)練周期的邊界因子。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人南方科技大學(xué);華為技術(shù)有限公司，其通訊地址為：518055 廣東省深圳市南山區(qū)桃源街道學(xué)苑大道1088號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。