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！

龙图腾网获悉广东工业大学申请的专利一种基于动态图消歧的偏多标记数据分类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：CN121705850B 。

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：202610202485.5，技术领域涉及：G06F18/241；该发明授权一种基于动态图消歧的偏多标记数据分类方法及系统是由孔祥君;肖燕珊;李子昂;陈慧;陈晓东;陈煜设计研发完成，并于2026-02-12向国家知识产权局提交的专利申请。

本一种基于动态图消歧的偏多标记数据分类方法及系统在说明书摘要公布了：本发明涉及数据处理的技术领域，更具体地，涉及一种基于动态图消歧的偏多标记数据分类方法及系统，通过根据输出、置信度、一致性构建三重可靠标记集合，基于候选偏多标记在三重可靠标记集合内的出现频率、候选偏多标记的判别性得分、实例之间的依赖性构建实例之间的加权相似度，使用加权相似度抑制结构化噪声，构建多尺度相似度图并自适应融合，引入标记置信度动态调整的图传播机制，通过渐进式多阶段训练实现分类器与标记质量的协同演化。该方法有效解决了特征‑语义模糊性、结构化噪声干扰、标记贡献不均衡、单尺度图局限性等问题。

本发明授权一种基于动态图消歧的偏多标记数据分类方法及系统在权利要求书中公布了：1.一种基于动态图消歧的偏多标记数据分类方法，其特征在于，包括以下步骤： S1：获取用于训练的偏多标记数据集，基于所述偏多标记数据集获取实例特征矩阵和候选偏多标记矩阵；所述偏多标记数据集来源于自然场景图像或医学影像； S2：基于所述实例特征矩阵和所述候选偏多标记矩阵，预训练初始分类器； S3：基于所述初始分类器和第一激活函数获得初始预测模型； S4：对所述初始预测模型进行多次迭代训练，在训练过程中对所述候选偏多标记矩阵进行净化，得到训练后的最优预测模型，至少包括以下子步骤： 对所述初始预测模型进行多次迭代训练，在第t轮迭代中，基于t-1轮预测模型根据输出、置信度、一致性构建三重可靠标记集合；基于候选偏多标记在所述三重可靠标记集合内的出现频率、候选偏多标记的判别性得分获得候选偏多标记的动态稀有度权重，基于三重可靠标记集合、动态稀有度权重、实例之间的依赖性构建实例之间的加权相似度；基于所述加权相似度构建多尺度融合图；基于所述多尺度融合图获得净化软标记矩阵；利用所述净化软标记矩阵作为第t轮迭代的输出，对第t轮的预测模型的参数进行调整，得到t轮预测模型；训练完成后，得到训练后的最优预测模型； S5：获取待测实例，所述待测实例来源于自然场景图像或医学影像，基于所述最优预测模型对待测实例进行分类。

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广东工业大学，其通讯地址为：510062 广东省广州市越秀区东风东路729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。