“多分类问题”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果4305302个，建议您升级VIP下载更多相关专利

[发明专利]多分类模型的训练方法、装置、电子设备及存储介质-CN202011553694.3在审
发明人：衣志昊;刘洋;陈天健 -专利权人：深圳前海微众银行股份有限公司
申请日： 2020-12-24 - 公布日： 2021-03-19 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种多分类模型的训练方法、装置、电子设备、存储介质及计算机程序产品，方法包括：获取携带二分类标签的训练样本，二分类标签用于指示训练样本对应的二分类结果；对训练样本进行标签转换，使训练样本携带多分类标签，多分类标签用于指示训练样本对应的多分类结果；获取第二参与方设备发送的多分类预测结果，多分类预测结果为通过多分类模型对携带多分类标签的训练样本预测得到；对多分类预测结果进行结果转换，得到多分类模型对应二分类的预测结果；基于二分类预测结果与二分类标签指示的二分类结果间的差异，更新多分类模型的参数。这样，将二分类问题转换为多分类问题，难以从梯度信息中判断出标签信息，进而保护标签信息不被泄露。
分类模型训练方法装置电子设备存储介质

[发明专利]一种耐噪在线多分类核学习算法-CN201811170840.7有效
发明人：渐令;林丹;周家欣;宋允全;高富豪;雷鹤杰;梁锡军 -专利权人：中国石油大学（华东）
申请日： 2018-10-09 - 公布日： 2021-11-23 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于自适应ramp损失函数的耐噪在线多分类核学习算法。通过引入核函数构造非线性多分类器，针对基于批处理技术的多分类方法无法高效处理数据流问题，而现有在线学习算法无法有效控制噪声样本的影响的问题，设计该耐噪在线多分类核学习算法。该方法能够减少参与模型计算的支持向量的数量，有效控制噪声影响，显著提高模型更新效率，提高噪声数据多分类问题的分类精度，满足实际应用问题的需求。本发明耐噪在线多分类核学习算法，克服了基于批处理技术的传统分类方法无法高效处理数据流的问题，也克服了现有在线学习算法如Perceptron和Pegasos等算法无法有效抑制噪声影响的问题，可高效应用于图片的场景分类等实际应用问题
一种在线分类学习算法

[发明专利]一种基于宽度学习的时间序列多分类方法及系统-CN202110270402.3在审
发明人：宣琦;冯婷婷;姚虹蛟;徐东伟 -专利权人：浙江工业大学
申请日： 2021-03-12 - 公布日： 2021-07-13 - 主分类号： G06K9/62 文献下载
摘要：一种基于宽度学习的时间序列多分类方法，包括：S1，对输入数据进行归一化处理；S2，把宽度学习系统作为二分类器，采用一对一的方法构建宽度学习多分类器，将输入数据按照类别两两组合，构建与各宽度学习二分类模型对应的子样本集；S3，将各个子样本集输入相应的宽度学习二分类模型进行训练，得到宽度学习多分类器，实现多分类的功能；S4，将宽度学习多分类器用于时间序列数据多分类任务。本发明还提供一种基于宽度学习的时间序列多分类系统。本发明不仅简单易行，训练时间短，缓解了宽度学习算法在面对大数据量和多分类任务时，存在的内存问题和识别率低的问题。
一种基于宽度学习时间序列分类方法系统

[发明专利]一种基于成对比较的有序分类方法-CN201810437124.4在审
发明人：宋艳枝;杨云丽 -专利权人：合肥黎曼信息科技有限公司
申请日： 2018-05-09 - 公布日： 2018-10-26 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于成对比较的有序分类方法，涉及人工智能技术领域。本发明包括如下步骤：步骤S01类标签编码矩阵设计：考虑原始样本序信息和类关系，借助成对比较策略设计类标签编码方式；步骤S02样本均衡：循环使用类别数较少的原始样本来构造成对比较新样本，将有序多分类问题转化成无序多分类问题，同时实现对数据集进行样本均衡；步骤S03分类器训练：使用新训练集进行分类器训练；步骤S04新样本预测：对新测试集进行预测，将无序多分类结果转化成有序多分类类别，实现原始样本类别的判定。本发明通过成对比较策略将有序多分类转换成无序多分类，再将无序多分类结果转化成有序多分类类别，提高了分类器的处理性能，加快分类效率。
成对分类多分类问题分类器训练标签编码分类结果分类类别样本均衡原始样本转化人工智能技术新样本预测策略设计处理性能分类效率矩阵设计测试集分类器数据集新样本训练集判定转换预测

[发明专利]多分类器的在线调整方法、装置、存储介质及电子设备-CN201711215506.4有效
发明人：邹荣珠 -专利权人：东软集团股份有限公司
申请日： 2017-11-28 - 公布日： 2021-05-07 - 主分类号： G06K9/62 文献下载
摘要：本申请提供的多分类器的在线调整方法及装置，在利用多分类器对当前待处理的在线数据进行分类后，并不直接利用分类后的该条数据调整多分类器，而是对该条在线数据进行相应的缓存处理，直至缓存的各类别数据符合预设数量条件(任两个类别数据的数量差不超过第一预定阈值)时，再利用符合预设数量条件的各类别数据调整多分类器。本申请方案通过缓存分类后的各类别数据，并利用缓存的满足预设数量条件的各类别数据对多分类器进行调整，至少可在一定程度上保证分类器模型调整所采用的各类别数据在数量上的分布均衡性，从而，可有效降低多分类问题中分类模型的性能波动，进而克服了分类模型可能存在的分类不准确的问题。
分类在线调整方法装置存储介质电子设备

[发明专利]一种多分类预测模型的验证方法、电子设备和存储介质-CN202210734498.9在审
发明人：余峰嵘;曹雷;江致远 -专利权人：平安银行股份有限公司
申请日： 2022-06-25 - 公布日： 2022-09-09 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种多分类预测模型的验证方法、装置和存储介质，该方法包括：获取待验证的多分类预测模型，其中多分类预测模型用于将输入数据分类至预定的多个类别中的某一类别；获取样本集，其中样本集包括分别对应于多个类别中的每个类别的样本；将样本集划分成训练集和验证集；将训练集输入到多分类预测模型，以对多分类预测模型进行训练；将验证集输入到训练后的多分类预测模型，以获得每个类别下的样本所对应的类别验证结果；基于多个类别的类别验证结果确定多分类预测模型的模型验证结果通过上述方式，本申请能够清晰的识别多分类预测模型的问题，以优化多分类预测模型在实际应用过程中对每个类别的预测结果。
一种分类预测模型验证方法电子设备存储介质

[发明专利]基于级联卷积神经网络模型的电力数据的分类方法-CN202111463954.2在审
发明人：刘为;许超;吴赫;陈硕;曹智;马伟哲;李蒙;杨明钰;李云鹏;李东洋;孙俊伟;潘德东;郑善奇;张靖欣;吴昕昀;李清玉;李蒸;倪继宏;曲英实;李若维;霍英哲;金垒;王东东;安鑫;刘碧琦 -专利权人：国网辽宁省电力有限公司信息通信分公司;国家电网有限公司
申请日： 2021-12-03 - 公布日： 2022-03-25 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于级联卷积神经网络模型的电力数据的分类方法，首先采用多分类器进行电力数据的预分类，如果分类类型属于该多分类器置信度较高的分类类型，则可将该分类类型作为最终的分类结果，如果对应的分类类型属于该多分类器置信度较低的分类类型，则启用联级分类器进行重新分类，其中，联级分类器为针对多分类器中置信度较低的分类类型，而训练获得的擅长于该类型分类的多个弱分类器构成的联级分类器，通过上述多分类器的预分类可实现快速分类的目的，同时通过后续联级分类器再次分类，可实现纠偏的目的，弥补多分类器的准确率低的问题，实现效率与准确率双效的目的。
基于级联卷积神经网络模型电力数据分类方法

[发明专利]基于纹理加强的乳腺癌多分类方法-CN202210796046.3在审
发明人：周扬;周书航;王健;何勇军;丁博 -专利权人：哈尔滨理工大学
申请日： 2022-07-08 - 公布日： 2022-09-06 - 主分类号： G06T7/00 文献下载
摘要：基于纹理加强的乳腺癌多分类方法，本发明涉及组织病理图像分类技术中，乳腺癌组织病理图像的多分类问题。组织病理图像分类技术通过图像处理技术提取出具有辨别性的类别特征进行癌症类型分类，在癌症诊断方面有着广泛的应用。然而由于乳腺癌的组织形象十分复杂和类型甚多，部分恶性亚型在临床和病理中表现出异质性差别小，导致在乳腺癌组织病理图像多分类中不易提取这些类别中具有区分性特征。为改善这一问题，本发明提出了一种基于纹理加强的乳腺癌多分类方法。实验表明，该方法能有效地提取不同乳腺癌亚型的具有辨别性的特征，减少分类误差，提高乳腺癌病理图像多分类精度。本发明应用于乳腺癌组织病理图像的多分类。
基于纹理加强乳腺癌分类方法

[发明专利]一种基于分解-聚合策略的卷烟感官智能评估系统-CN201511024742.9有效
发明人：乔丹娜;雒兴刚;汤建国;张忠良;廖晓祥;岳衡;汪惠;苏明红;徐玉琼;拔丽;蒋新红;杨海英;王晓辉;李中昌 -专利权人：云南中烟工业有限责任公司
申请日： 2015-12-31 - 公布日： 2018-05-18 - 主分类号： G01N33/00 文献下载
摘要：本发明开发了一种基于分解‑聚合策略的卷烟感官智能评估系统，该系统将卷烟智能感官评估中涉及的多分类问题分解成多个便于建模的两分类问题，然后对每个子问题分别建立分类器，接着采用聚合策略将两类分类器组合成多分类器该系统预测精度明显高于经典的多分类器，运用本发明的系统，可以为卷烟企业在新产品的开发和产品维护过程中，辅助卷烟感官评估专家进行卷烟感官评估。
一种基于分解聚合策略卷烟感官智能评估系统

[发明专利]一种基于多分路通道扩容网络的垃圾图像分类方法-CN202010379289.8有效
发明人：石翠萍;夏瑞阳;刘超;刘文礼 -专利权人：齐齐哈尔大学
申请日： 2020-05-07 - 公布日： 2022-09-02 - 主分类号： G06V10/764 文献下载
摘要：一种基于多分路通道扩容网络的垃圾图像分类方法，本发明涉及基于多分路通道扩容网络的垃圾图像分类方法。本发明的目的是为了解决现有方法对垃圾图像分类准确率低的问题。过程为：一、建立多分路通道扩容网络模型；二、采用数据集训练多分路通道扩容网络模型，得到预训练好的多分路通道扩容网络模型；三、采用数据集验证预训练好的多分路通道扩容网络模型的准确率，若准确率达到要求，即得到训练好的多分路通道扩容网络模型，若准确率未达到要求，继续采用数据集训练多分路通道扩容网络模型，直至达到准确率达到要求；四、采用训练好的多分路通道扩容网络模型对待识别垃圾图像进行分类。本发明用于图像分类领域。
一种基于分路通道扩容网络垃圾图像分类方法

[发明专利]基于模型融合的多类别情感分类方法-CN201910976409.X在审
发明人：王晓晔;薛颖斌;周晓雯;孙嘉琪;张德干 -专利权人：天津理工大学
申请日： 2019-10-15 - 公布日： 2020-01-24 - 主分类号： G06F40/30 文献下载
摘要：基于模型融合的多类别情感分类方法。一种基于Bert模型和Liblinear模型相融合的多分类方法。首先利用Bert模型在数据预处理方面的突破性进展对训练文本集进行预处理，与类别标签数据结合，获取文本的特征向量，将非结构化的文本数据转化成结构化的训练集合，再转化为Liblinear模型的标准输入数据，进行分类模型的构建而Liblinear采用一对多的分类机制，有效的解决了多类别分类任务中的类别分布不平衡问题。本发明通过实验将结合Bert向量模型与Liblinear多分类模型的分类结果与几种经典的多分类方法进行对比。实验结果表明将Bert模型和Liblinear相结合来处理文本多分类情感分类问题时，准确度更高。
情感分类分类文本预处理标准输入数据多分类模型数据预处理突破性进展训练文本集准确度非结构化分类机制分类结果分类模型类别标签类别分类模型融合数据结合特征向量文本数据向量模型训练集合结构化一对多构建转化融合

[发明专利]一种基于大数据的分类识别方法及系统-CN202310543299.4在审
发明人：陈浩宇 -专利权人：鸿洋集团有限公司
申请日： 2023-05-11 - 公布日： 2023-07-28 - 主分类号： G06V10/764 文献下载
摘要：本发明提出了一种基于大数据的分类识别方法及系统，包括：采集多种工业垃圾的形状状态数据，进行分类并上传云端大数据平台；预处理，通过随机采样和噪音处理获取用于训练特征提取模型的原始数据集；建立特征提取模型，建立映射关系，构建基于无监督学习的模型参数优化问题，求解模型参数的最优解；训练特征分类模型的特征数据集；建立特征多分类器，建立映射关系，构建基于有监督学习的模型参数优化问题，训练特征多分类器；实时采集工业垃圾的形状状态数据，结合训练完成的特征提取模型和特征多分类器，利用特征提取模型提取实时数据的高阶特征，然后利用特征多分类器计算多种工业垃圾的出现概率，从而实现工业垃圾的识别和分类。
一种基于数据分类识别方法系统

[发明专利]基于二分类模型的多分类方法、装置、电子设备及介质-CN202110318230.2在审
发明人：庞宇嘉;彭琛;汪伟 -专利权人：平安科技（深圳）有限公司
申请日： 2021-03-25 - 公布日： 2021-05-14 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及智能决策技术，揭露了一种基于二分类模型的多分类方法，包括：对训练数据集及验证数据集进行二分类标注，利用训练数据集构建并训练二分类模型，并根据验证数据集进行验证调整，得到标准二分类模型，将待处理数据集输入标准二分类模型中，得到二分类结果，对标准二分类模型进行解析，得到贡献度矩阵，按照多分类标注对贡献度矩阵进行聚合处理，得到贡献度聚合矩阵，并根据贡献度聚合矩阵及二分类结果，得到多分类结果。此外，本发明还涉及区块链技术，所述二分类结果可存储于区块链的节点。本发明还提出一种基于二分类模型的多分类装置、电子设备以及计算机可读存储介质。本发明可以解决利用多分类模型进行多分类具有不稳定性的问题。
基于分类模型方法装置电子设备介质

[发明专利]基于RD图的多分类器半监督自训练的雷达干扰检测方法-CN202211320055.1在审
发明人：罗忠涛;张安安;王涛;曹健 -专利权人：重庆邮电大学
申请日： 2022-10-26 - 公布日： 2023-02-24 - 主分类号： G06V10/764 文献下载
摘要：本发明请求保护一种基于距离‑多普勒(Range‑Doppler，RD)图的多分类器半监督自训练的雷达干扰检测方法，属于雷达信号处理与图像处理交叉领域。针对天波超视距雷达的射频干扰和瞬态干扰、将干扰检测问题转化为RD图的图像分类问题：建设RD图库、设计RD图像分类器、并提出多分类器融合的半监督自训练的干扰监测方法。RD图分类器设计包括RD图库建设、纹理特征提取和分类算法设计3步。基于不同分类算法设计基本分类器，提出基于不同特征视图和学习方法的子分类器组合，给出了多分类器半监督自训练的干扰监测算法。实测图库验证表明，多分类器半监督自训练方法能够有效提高RD图像识别率，将弱干扰检测准确率由低于65％提升至80％以上。
基于 rd 分类监督训练雷达干扰检测方法

[发明专利]一种充电桩故障预测方法、装置及电子设备-CN202310382398.9在审
发明人：姜燕;宋嘉伟;宋雪莹;盛志强;王奔;刘峥;王悦;李露;吴康桥;卫一宁;宋丹丹;孟子冰;田佩佩;周嘉楠;王贯瑶;张旭泽;张一丹;王正阳;李然;李想;马平川;贾云杰;樊兴;徐艺庭;张媛;高策 -专利权人：北京中电飞华通信有限公司
申请日： 2023-04-11 - 公布日： 2023-09-15 - 主分类号： G06F18/214 文献下载
摘要：方法包括获取充电桩的故障数据以及在充电过程中的实时特征数据；基于故障数据以及与故障数据对应的故障类型构建故障样本集；基于故障样本集构建用于预测故障类型的多分类模型；将充电桩的实时特征数据输入至多分类模型中；基于多分类模型预测充电桩当前的故障类型。本公开采用支持向量机的多分类模型，构建多分类策略，达到对充电桩多类型故障的准确识别和分类目的；并且通过构建故障样本集构建一个多分类模型的故障预测模型，实现对充电桩不同故障类型的精准判断，能够快速了解并解决故障，帮助运维人员快速查看并解决故障问题，提升了充电桩的运维效率和安全性。
一种充电故障预测方法装置电子设备

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条