買(mǎi)專利賣(mài)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)獲悉中國(guó)科學(xué)院計(jì)算技術(shù)研究所申請(qǐng)的專利基于深度PU學(xué)習(xí)與類別先驗(yàn)估計(jì)的數(shù)據(jù)分類方法及系統(tǒng)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114417975B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-29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(qǐng)?zhí)?專利號(hào)為：202111591020.7，技術(shù)領(lǐng)域涉及：G06F18/2415；該發(fā)明授權(quán)基于深度PU學(xué)習(xí)與類別先驗(yàn)估計(jì)的數(shù)據(jù)分類方法及系統(tǒng)是由黃慶明;趙昀睿;姜陽(yáng)邦彥;許倩倩設(shè)計(jì)研發(fā)完成，并于2021-12-23向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于深度PU學(xué)習(xí)與類別先驗(yàn)估計(jì)的數(shù)據(jù)分類方法及系統(tǒng)在說(shuō)明書(shū)摘要公布了：本發(fā)明提出一種基于基于深度PU學(xué)習(xí)與類別先驗(yàn)估計(jì)的數(shù)據(jù)分類方法和系統(tǒng)，本發(fā)明能同時(shí)估計(jì)類別先驗(yàn)，并利用所得先驗(yàn)估計(jì)學(xué)習(xí)深度模型，而無(wú)需已知數(shù)據(jù)的真實(shí)先驗(yàn)分布，從而更適用于PU學(xué)習(xí)在實(shí)際場(chǎng)景中的應(yīng)用。本發(fā)明所提出的迭代框架包括將網(wǎng)絡(luò)的預(yù)測(cè)分?jǐn)?shù)建模為GMM，從而估計(jì)正類先驗(yàn)；基于正類先驗(yàn)的估計(jì)值，進(jìn)行無(wú)偏PU學(xué)習(xí)；進(jìn)而結(jié)合半監(jiān)督學(xué)習(xí)的平均教師、溫度銳化等技術(shù)，提高算法性能和穩(wěn)定性。該框架能應(yīng)用于包括計(jì)算機(jī)視覺(jué)、推薦系統(tǒng)、生物醫(yī)療等在內(nèi)各領(lǐng)域的PU問(wèn)題，并且效果優(yōu)異，兼具科學(xué)價(jià)值和實(shí)用價(jià)值。

本發(fā)明授權(quán)基于深度PU學(xué)習(xí)與類別先驗(yàn)估計(jì)的數(shù)據(jù)分類方法及系統(tǒng)在權(quán)利要求書(shū)中公布了：1.一種基于深度PU學(xué)習(xí)與類別先驗(yàn)估計(jì)的數(shù)據(jù)分類方法，其特征在于，包括： 步驟1、獲取包括多個(gè)數(shù)據(jù)樣本的訓(xùn)練集，且在該訓(xùn)練集中只有部分?jǐn)?shù)據(jù)樣本標(biāo)有類別標(biāo)簽，將該訓(xùn)練集同時(shí)輸入至兩個(gè)網(wǎng)絡(luò)結(jié)構(gòu)相同，但參數(shù)不同的學(xué)生模型和教師模型中，分別得到學(xué)生模型和教師模型輸出的各數(shù)據(jù)樣本對(duì)應(yīng)的學(xué)生預(yù)測(cè)分?jǐn)?shù)和教師預(yù)測(cè)分?jǐn)?shù)； 步驟2、將所有教師預(yù)測(cè)分?jǐn)?shù)輸入至高斯混合模型，得到正類先驗(yàn)；基于所有學(xué)生預(yù)測(cè)分?jǐn)?shù)，構(gòu)建溫度銳化損失；基于所有學(xué)生預(yù)測(cè)分?jǐn)?shù)和教師預(yù)測(cè)分?jǐn)?shù)，構(gòu)建一致性損失；基于該正類先驗(yàn)和所有學(xué)生預(yù)測(cè)分?jǐn)?shù)，得到非負(fù)PU風(fēng)險(xiǎn)，合并該一致性損失、該非負(fù)PU風(fēng)險(xiǎn)和該溫度銳化損失，得到目標(biāo)損失，并基于該目標(biāo)損失，使用梯度反向傳播對(duì)該學(xué)生模型的參數(shù)進(jìn)行更新，直至該目標(biāo)收斂或達(dá)到預(yù)設(shè)迭代次數(shù)，保存當(dāng)前學(xué)生模型或老師模型作為數(shù)據(jù)分類模型； 步驟3、將待分類數(shù)據(jù)輸入至該數(shù)據(jù)分類模型，以得到該待分類數(shù)據(jù)的類別； 其中，當(dāng)用于惡意URL檢測(cè)時(shí)，該訓(xùn)練集中數(shù)據(jù)為部分已標(biāo)注惡意類別的URL和無(wú)標(biāo)簽的URL，且學(xué)生模型和教師模型均為循環(huán)神經(jīng)網(wǎng)絡(luò)；當(dāng)用于虛假評(píng)論檢測(cè)時(shí)，該訓(xùn)練集中數(shù)據(jù)為已標(biāo)注虛假類別的評(píng)論和無(wú)標(biāo)簽的評(píng)論，且學(xué)生模型和教師模型均為循環(huán)神經(jīng)網(wǎng)絡(luò)；當(dāng)用于冷凍電鏡的粒子拾取時(shí)，該訓(xùn)練集中數(shù)據(jù)為已標(biāo)注選中類別的粒子區(qū)域和無(wú)標(biāo)簽的粒子區(qū)域，且學(xué)生模型和教師模型均為卷積神經(jīng)網(wǎng)絡(luò)。

如需購(gòu)買(mǎi)、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(qǐng)人或?qū)＠麢?quán)人中國(guó)科學(xué)院計(jì)算技術(shù)研究所，其通訊地址為：100080 北京市海淀區(qū)中關(guān)村科學(xué)院南路6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)”。