专利名称：一种基于图掩码自编码器的遥感图像自监督学习方法      申请号：2024109244842     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：遥感 监督学习   相似专利 发布日：2025/03/12  
摘要： 本发明公开一种基于图掩码自编码器的遥感图像自监督学习方法，包括使用主成分分析法对遥感图像原始数据进行降维，并基于降维后的遥感图像数据获取遥感图像的节点样本数据；将遥感图像节点样本输入到预训练的图卷积编码器中，进行特征提取编码，获得节点样本的特征向量；将节点样本的特征向量输入到监督学习分类器中，获得遥感图像分类结果，显著提升小样本训练集条件下常用遥感图像分类器的分类性能。

专利名称：基于弱监督互补学习的人体行为检测方法      申请号：2020105293930     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：监督学习 图像视频分析   相似专利 发布日：2025/03/12  
摘要： 本发明属于视频人体行为检测方法技术领域，具体是一种基于弱监督互补学习的人体行为检测方法，包括建立基于卷积神经网络构的弱监督网络模型、提取带有嵌入特性的特征表示及显著加权特征、根据特征表示及显著加权特征获取初始的预测结果、利用互补消除模型获取消除后的预测结果、将消除后的预测结果与未通过消除的初始的预测结果进行融合，获取最终预测结果。本发明通过对时域激活映射模型进行改进，并采用互补消除模块对数据进行修正，提升弱监督学习检测方法中的准确性。

专利名称：一种基于无监督学习的敏感信息自动标注方法及装置      申请号：2024105157046     转让价格：面议  收藏
法律状态：授权未缴费   类型：发明   关键词：数据服务 监督学习   相似专利 发布日：2025/02/21  
摘要： 本发明涉及人工智能技术领域，特别是指一种基于无监督学习的敏感信息自动标注方法及装置。基于无监督学习的敏感信息自动标注方法包括：获取输入数据；对输入数据进行分词预处理，获得预处理后数据；利用自编码器模型在预处理后数据上生成词嵌入；根据预处理后数据构建图模型；对图模型进行基于图的统计分析，获得候选敏感信息；基于自适应标注规则生成机制，对候选敏感信息进行筛选，获得敏感信息；基于图模型，根据敏感信息确定敏感信息节点；根据词嵌入、分析结果和敏感信息节点进行整合，获得混合模型；基于混合模型进行敏感信息标注决策。本发明是一种能够有效、全面并自动地标注敏感信息的方法及系统。

专利名称：一种基于无监督和有监督学习的水泥游离钙软测量方法      申请号：2019107176869     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：建筑材料 钙 港口 监督学习   相似专利 发布日：2024/07/05  
摘要： 本发明公开了一种基于无监督和有监督学习的水泥游离钙软测量方法，通过分析水泥工艺选取变量作为熟料fCaO软测量的输入变量，每个变量的时间序列作为模型输入；利用选取的输入变量，构建无监督和有监督学习相结合的预测模型；将稀疏自编码的解码层去除，编码层堆叠形成深层网络结构，利用确定的初始参数去初始化深层网络参数，采用BP反向误差修正算法进行有监督学习；利用训练好的无监督和有监督学习相结合的预测模型进行水泥熟料fCaO实时预测。本发明模型前向采用逐层贪婪无监督学习方式，提取数据的高层特征；结合有监督的反向微调进一步优化参数，利用训练好的深层网络实现熟料fCaO实时预测。

专利名称：以质量目标为导向半监督学习的水泥游离钙软测量系统      申请号：2021108459839     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：建筑材料 钙 港口 监督学习   相似专利 发布日：2024/07/05  
摘要： 本发明公开了一种以质量目标为导向半监督学习的水泥游离钙软测量系统，涉及水泥熟料质量软测量检测技术领域，包括以下步骤：确定辅助变量并进行数据处理；构建半监督模型，同时确定模型参数；可变加权AE分层预训练；深度网络模型的构建；反向微调权重；利用模型实时在线预测。本发明将传统的两步走建模方法改成一步走建模方法，从而提高软测量模型预测精度。

专利名称：基于自监督学习的图像分类方法及系统      申请号：2019112139997     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 监督学习   相似专利 发布日：2025/02/21  
摘要： 本公开公开了基于自监督学习的图像分类方法及系统，获取待分类的无标签图像；对所有待分类的无标签图像进行预处理；对预处理后的每一个无标签图像进行特征提取；每一个无标签图像均得到与之对应的特征；从所有待分类的无标签图像中划分出一部分作为训练集；对训练集中所有无标签图像的特征进行聚类处理，确定每个特征所对应的类别，并对每个类别中的所有特征均打上对应的伪标签；特征的伪标签即为特征所对应无标签图像的伪标签；基于训练集中每一个无标签图像所提取的特征和伪标签，对预训练的神经网络进行再训练；将所有待分类的无标签图像的特征均输入到优化训练后的神经网络中，输出每一个待分类的无标签图像的伪标签。

专利名称：基于卷积-堆叠降噪编码网络的半监督学习图像识别方法      申请号：2019104647390     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 监督学习   相似专利 发布日：2024/05/14  
摘要： 本发明请求保护一种基于卷积‑堆叠降噪编码网络的半监督学习图像识别方法，结合有监督训练的卷积神经网络和无监督学习的堆叠降噪自动编码机提出一种半监督学习网络，以在样本量不足的情况下提取更具表达性的高维特征，训练出更好的网络参数。利用卷积神经网络对样本数据进行有监督训练，提取图像特征同时避免空间特征的破坏。再把训练得到的特征向量输入到堆叠降噪自动编码机进行无监督学习，实现进一步特征学习，降低小样本带来的训练困难，后基于多层人工神经网络进行分类实现。将模型用于HLC2000手写汉字数据集中的复杂字、中等字、简单字、相似字进行脱机手写汉字识别，实验结果表明该模型的平均识别率能达到97％以上，并且结果较为稳定。

专利名称：一种基于进化优化的半监督学习工业过程软测量建模方法      申请号：2020110146147     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：测量测绘 过程 监督学习   相似专利 发布日：2023/10/23  
摘要： 本发明公开了一种基于进化优化的半监督学习工业过程软测量建模方法。所述方法用于解决工业过程中有标签数据获取较少、无标签数据丰富导致传统软测量模型预测性能精度不高的问题。本发明采用进化优化的方式对无标签数据中随机选取的样本进行伪标签估计，将获得的伪标签数据加入到有标签数据中通过高斯过程回归进行混合建模，有效的提升了传统软测量模型的性能。此外，对无标签数据进行小批量随机选取优化将带来多样性的伪标签数据优化结果，通过融合集成学习的思想，能够进一步提升模型的预测准确性和稳定性，从而使得工业过程的控制和监测更加安全可靠。

专利名称：一种基于距离度量和半监督学习的近红外光谱跨年份苹果糖度预测方法      申请号：2018103192586     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：果蔬 近红外光谱 果糖 监督学习   相似专利 发布日：2023/10/17  
摘要： 本发明提供一种基于距离度量和半监督学习的近红外光谱跨年份苹果糖度预测方法，属于苹果糖度预测领域。该方法首先从苹果的近红外光谱中提取相对反射率作为特征参数，然后利用初始最小二乘支持向量机回归模型Mlssvm和偏最小二乘回归模型Mplsr对未标记样本预测，获得预测值；随后求未标记样本与回归模型Mlssvm或Mplsr所用建模样本的最大距离和两个回归模型对未标记样本的预测差异；之后选取距离大和两个回归模型预测差异小的未标记样本作为更新集样本加入到初始回归模型Mlssvm或Mplsr所用建模样本中，更新初始回归模型Mlssvm或Mplsr；直至满足最大迭代次数后对测试集样本进行标定。本发明利用距离度量和半监督学习对初始模型进行更新，预测精度高、操作简单、快速有效、具有较高的鲁棒性。

专利名称：一种基于半监督学习模型的铜件表面缺陷视觉检测方法      申请号：2015105325907     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：表 学习模型 检测 监督学习   相似专利 发布日：2023/10/17  
摘要： 本发明公开了一种基于半监督学习模型的铜件表面缺陷视觉检测方法，属于铜件表面缺陷视觉检测技术领域。本发明针对常见的铜件表面缺陷，使用传送带和导轨将铜件移动到四个相应的检测工位，采用图像采集系统拍照取图来依次检测铜件的上下表面及两侧面是否有缺陷存在，并根据判定的结果对铜件进行分类，该系统还配备有一个相机来实时远程监控视觉检测系统的运行情况。上述的系统配置后的参数调整、数据的存储与统计、系统的实时远程监控及维护等操作采用在云端进行。本发明能实现自动连续地对铜件的表面缺陷进行检测，取代人工目视检测方法，提高了检测的效率与准确率。

专利名称：一种基于域对抗自监督学习的病理图像分割方法      申请号：2021106218255     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 监督学习   相似专利 发布日：2023/10/17  
摘要： 本发明涉及一种基于域对抗自监督学习的病理图像分割方法。包括：获取病理图像建立病理图像自监督数据集；建立域对抗自监督模型；使用病理图像自监督数据集对域对抗自监督模型进行深度学习训练；建立病理图像分割模型；使用经过深度学习后的域对抗自监督模型对病理图像分割模型进行初始化；对病理图像中的病灶区域进行像素级别标注建立病理图像分割数据集；使用病理图像分割数据集对病理图像分割模型进行深度学习训练；使用深度学习训练后的病理图像分割模型对病理图像的未知病灶区域进行分割。本发明方法，采用域对抗自监督学习的方法，有效缓解了分割模型对大量人工标注的依赖并解决了模型在不同域上分割性能波动的问题。

专利名称：一种非监督与监督学习下的多波地震油气储层预测方法      申请号：2018101932213     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：气 油 监督学习   相似专利 发布日：2023/10/17  
摘要： 本发明公开了一种非监督与监督学习下的多波地震油气储层预测方法。该方法包括如下步骤：首先，利用不同卷积核卷积升维生成各类纵横波地震属性，然后，利用聚类分析法进行非监督学习，分别对纵、横波地震属性通过聚类分析降维，基于此，用聚合法求取出能突出油气储层特征的多波地震聚合属性，最后以降维后的聚合属性作为支持向量机的学习集，进行从已知到未知的地震油气储层的预测。将本发明方法应用于实际的油气储层预测，结果表明，所预测的地震油气储层边界更加清晰，预测结果与实际情况基本吻合。

专利名称：基于无监督学习的自干涉微环谐振腔传感分类识别方法      申请号：2020101563131     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：传感 干 微 微生物采样 监督学习   相似专利 发布日：2023/09/14  
摘要： 一种基于无监督学习的自干涉型微环谐振腔传感分类识别方法，包括以下步骤：(1)初始测试数据采集；(2)对测试数据用主成分分析法PCA降维；(3)聚类算法分类，利用机器学习中的聚类算法，即对PCA降维后的归一化测试数据进行识别分类。本发明提供一种分类精度较高的基于无监督学习的自干涉型微环谐振腔传感分类识别方法。

专利名称：一种基于半监督学习的移动边缘计算分流决策方法      申请号：2018103423716     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：移动边缘计算 监督学习   相似专利 发布日：2023/09/14  
摘要： 一种基于半监督学习的移动边缘计算分流决策方法，包括以下步骤：1)在一个由多个用户组成，并且每个用户都有多个独立的任务的移动通信系统中，计算出在给出分流决策下系统中所有的能量损耗；2)计算总的时间损耗考虑为所有时间消耗的总和；3)所有用户的分流决策将通过他们的发送数据DOnm和接收数据DInm的大小决定，半监督学习的作用则是将它们作为半监督学习中神经网络的输入，然后生成一个能使整个系统的能量损耗总和最小的分流决策。本发明通过半监督学习寻找出最优的分流决策方法，在保证用户体验的前提下最小化能量损耗，保证服务质量。

专利名称：一种基于半监督学习的移动边缘计算速率最大化方法      申请号：2018103433116     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：移动边缘计算 监督学习   相似专利 发布日：2023/09/14  
摘要： 一种基于半监督学习的移动边缘计算速率最大化方法，包括以下步骤：1)每个无线设备都需要与基站建立联系；2)使用两个互不重叠的集合M0和M1分别表示在本地计算模式和分流模式的所有无线设备；3)处在集合M0中的无线设备能够收集能量并同时处理本地任务，而处在集合M1中的无线设备只能在收集能量后将任务分流至基站处理；4)所有无线设备的模式选择将通过它们的信道增益hi决定，半监督学习的作用则是将它们的信道增益作为输入，然后生成一个能使所有无线设备的总和计算速率最大化的最优模式选择，即决定哪些无线设备的任务在本地处理而哪些分流至基站处理。本发明在保证用户体验的前提下最大化所有无线设备的总和计算速率。

专利名称：一种基于半监督学习的社交网络垃圾用户过滤方法      申请号：2016106144585     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络 垃圾处理 网络传输 社交网络 监督学习   相似专利 发布日：2023/07/10  
摘要： 本发明公开了一种基于半监督学习的社交网络垃圾用户过滤方法，将协同训练算法应用于社交网络垃圾用户检测。现有对社交网络中的海量信息进行的分类大多利用监督学习算法，该算法都是基于已标注数据建立的分类模型，但因社交信息规模庞大，标注数据所需人工成本巨大，且解决社交网络用户数据标注的方法不多。提出一种方法，借鉴协同训练算法，将多视图、多分类器运用到大量无标注或有少量标注的社交网络数据中，使不同视图上的分类器相互学习，实现数据标注的目的。

专利名称：认知无线网络中基于监督学习的协作宽带压缩频谱检测方法      申请号：2020100266797     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络 通信网络 网络传输 检测 监督学习   相似专利 发布日：2023/07/10  
摘要： 本发明公开了一种认知无线网络中基于监督学习的协作宽带压缩频谱检测方法，针对当前宽带频谱检测中存在的信号稀疏度未知和次用户检测开销过大的问题。首先考虑使用使用采样向量二范数和子频谱块长度作为监督学习算法的特征向量，提出了一种自适应稀疏度预测模型。其次，基于该预测模型提出了一种协作宽带频谱筛选算法，利用次用户之间的协作在宽带频谱中找到待重构的稀疏频谱集。最后，基于预测模型和筛选算法提出一种协作宽带压缩频谱检测方案。实验结果表明，本发明所提的检测方案能够有效降低次用户采样率和频谱重构时延，同时改善了预测模型的拟合效果，增强了模型的自适应性。

专利名称：一种基于无监督学习的装配体变化检测方法及设备      申请号：2021105060009     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：检测 监督学习   相似专利 发布日：2023/06/21  
摘要： 本发明涉及一种基于无监督学习的装配体变化检测方法，包括如下步骤：构建包括若干个差异特征信息的数据集：获取若干组双时相图像；获取每一组双时相图像的差异特征信息；生成每个差异特征信息的伪标签；利用所述若干个差异特征信息及其对应的伪标签，迭代训练所述分类器；获取所述待检测双时相图像的差异特征信息，并将差异特征信息输入至训练好的分类器，分类器输出装配体的变化类型。本发明通过生成伪标签，实现无监督学习的装配体变化检测，提高效率，节省时间和人工成本。

专利名称：一种基于密度和在线半监督学习烟草分类方法      申请号：2018101194229     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：烟草 监督学习   相似专利 发布日：2025/03/11  
摘要： 本发明涉及一种基于密度和在线半监督学习烟草分类方法，首先利用少量有标签的烟草样本进行初始训练，然后利用一批数量上大于有标签样本数的无标签样本，基于密度和距离筛选有用样本，进行在线学习，因此不断筛选更新，并获得最终的学习模型，最后的模型就可以应用于烟草的分类。本发明相比一般的半监督学习，通过密度和距离的算法增加了一个机选样本的过程，提高了模型的训练效率，运用在线学习提高模型的训练速度和适用性。

专利名称：一种基于部分监督学习的中文概括性文本切分方法      申请号：201711444997X     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：部分 监督学习   相似专利 发布日：2022/09/21  
摘要： 本发明属于语言处理技术领域，公开了一种基于部分监督学习的中文概括性文本切分方法，将中文短文本分词任务看作二分类或者三分类问题，并根据短文本的主要特征提取具有较小噪声的前后文特征信息结合部分监督学习方法来进行分词。本发明通过五组外加一组“困难”数据集的对照实验，不难发现短文本分词的结果深受前后文信息长度的影响，其中二元前后文信息最能贴合短文本分词的特征，能够有效提高分词性能；二、三元混合特征更能表达出每个“空”的信息其性能最优秀，再多或者再少就会损失性能了；部分监督学习在短文本分词中的应用也能体现出其优秀的补齐参数能力，能够大大的减少人工标注的工作并且获得更加优秀的性能。