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！

龙图腾网获悉中国地质大学(武汉)申请的专利一种基于PU学习的全自动灾害易发性评价方法及系统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：CN121638683B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202610139595.1，技术领域涉及：G06Q10/063；该发明授权一种基于PU学习的全自动灾害易发性评价方法及系统是由牛瑞卿;霍姝涵设计研发完成，并于2026-02-02向国家知识产权局提交的专利申请。

本一种基于PU学习的全自动灾害易发性评价方法及系统在说明书摘要公布了：本发明涉及地质灾害易发性评价技术领域，具体涉及一种基于PU学习的全自动灾害易发性评价方法及系统；在缺乏明确非灾害样本的条件下，采用基于PU学习思想的半监督策略，从未标记样本中自动识别伪负样本，并通过多轮自适应采样提升模型稳定性；实现缓冲区阈值的自适应优化。基于网格单元的易发性评价中，将缓冲区阈值选择纳入贝叶斯优化机制中，自动确定最优缓冲区大小，使缓冲区内的点充分包含灾害范围，且避免引入过多边界样本；为了使评价结果具有更强的实用性与准确稳定性，使用5折交叉验证计算综合得分AUC+F12，以“交叉验证加权得分=综合得分均值‑0.2×综合得分标准差”作为全自动系统寻找模型最佳参数的优化目标。

本发明授权一种基于PU学习的全自动灾害易发性评价方法及系统在权利要求书中公布了：1.一种基于PU学习的全自动灾害易发性评价方法，其特征在于，应用于基于PU学习的全自动灾害易发性评价系统；所述系统包括彼此通信连接的处理模块和存储模块；所述方法，包括： 所述处理模块从所述存储模块获取地质灾害原始数据； 所述处理模块基于地质灾害原始数据得到正样本集和未标记样本集，其中，基于地理空间距离，对正样本设置缓冲区，以得到缓冲区正样本，利用贝叶斯优化算法在设定范围内搜索缓冲区的最优阈值； 所述处理模块对正样本集和未标记样本集进行平衡，并划分为训练集和测试集； 所述处理模块基于PU学习思想，构建并训练不同结合正样本和无标签学习的人工智能模型的灾害易发性评价模型，其中，构建缓冲区，将缓冲区内所有点视为正样本，缓冲区外的所有点视为未标记样本，并基于PU学习思想从未标记样本中识别出伪负样本，所述灾害易发性评价模型为PU-T模型；PU-T模型是包含基础分类器T的PU模型，基础分类器T具体包括基于树模型的PU-RF模型、基于梯度提升的PU-XGB模型、基于神经网络的PU-MLP模型以及基于卷积神经网络的PU-CNN模型； 所述处理模块对灾害易发性评价模型进行自适应精调，并通过测试集对灾害易发性评价模型进行测试，以得到最优灾害易发性评价模型； 所述处理模块基于目标区域的样本数据通过最优灾害易发性评价模型输出目标区域的灾害易发性等级栅格结果； 所述处理模块对灾害易发性评价模型进行自适应精调，并通过测试集对灾害易发性评价模型进行测试，以得到最优灾害易发性评价模型，包括： 所述处理模块引入贝叶斯优化算法对灾害易发性评价模型参数进行自适应精调，其中，自适应精调过程中的优化参数根据模型类型的不同而有所区分：对于基于正样本和无标签-集成学习模型，优化参数缓冲区阈值、PU-Bagging正样本和无标签-集成学习算法的相关参数，以及对应基学习器的结构与训练参数，对于基于先验概率PU损失的深度学习模型，通过端到端训练方式直接处理正样本与未标记样本，优化参数包括缓冲区阈值、PU学习先验概率，以及网络结构与训练参数； 所述处理模块经过预设次数的迭代优化后，输出灾害易发性评价模型的最优参数配置； 所述处理模块通过对比灾害易发性评价模型的5折交叉验证的加权综合得分，遴选出性能最优的灾害易发性评价模型，并作为最优灾害易发性评价模型，其中，5折交叉验证的加权综合得分的计算公式为：综合得分的均值0.2×综合得分的标准差，综合得分的计算公式为： AUC+F12。

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中国地质大学(武汉)，其通讯地址为：430200 湖北省武汉市洪山区鲁磨路388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。