“无监督学习”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1474851个，建议您升级VIP下载更多相关专利

[发明专利]一种基于有监督学习和无监督学习的反欺诈方法-CN201910977563.9有效
发明人：施铭铮;刘占辉 -专利权人：厦门铅笔头信息科技有限公司
申请日： 2019-10-15 - 公布日： 2022-05-03 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种基于有监督学习和无监督学习的反欺诈方法，具体步骤如下：数据预处理，数据转换，创建高斯混合模型，期望最大化算法，有监督学习，无监督学习，预测，该基于有监督学习和无监督学习的反欺诈方法使用有监督学习和无监督学习结合的方法来建立反欺诈模型，有监督学习模型和无监督学习模型被包含在一个大的模型中，这个大的模型将达到集成模型的效果，预测的结果将会优于单独考虑有监督学习或无监督学习时的效果，而且有监督学习和无监督学习是互补的，两种学习方式结合将可以检测出已知的欺诈模式和未知的欺诈模式
一种基于监督学习欺诈方法

[发明专利]数据处理装置、方法和程序以及计算机可读介质-CN200710130576.X有效
发明人：芹泽慎一郎;伊藤朋之 -专利权人：富士施乐株式会社
申请日： 2007-07-18 - 公布日： 2008-06-25 - 主分类号： G06N3/08 文献下载
摘要：本发明公开一种数据处理装置，包括：第一无监督学习处理单元、第二无监督学习处理单元和有监督学习处理单元。所述第一无监督学习处理单元根据无监督学习将第一数据组的数据分类，以便执行所述第一数据组的维度缩减，从而获得第一分类数据组。所述第二无监督学习处理单元根据无监督学习将第二数据组的数据分类，以便执行所述第二数据组的维度缩减，从而获得第二分类数据组。所述有监督学习处理单元利用所述第一无监督学习处理单元获得的第一分类数据组和所述第二无监督学习处理单元获得的第二分类数据组作为教师数据执行有监督学习，以便确定所述第一分类数据组和所述第二分类数据组之间的映射关系
数据处理装置方法程序以及计算机可读介质

[发明专利]一种半监督学习方法、系统、设备和存储介质及语义解析方法-CN202011543169.3在审
发明人：谈元鹏;欧智坚;徐会芳;彭国政;胡若云;杜文勇;邓志东;宋运福 -专利权人：中国电力科学研究院有限公司;清华大学;国家电网有限公司客户服务中心;国网浙江省电力有限公司营销服务中心;国家电网有限公司
申请日： 2020-12-21 - 公布日： 2021-03-09 - 主分类号： G06F40/211 文献下载
摘要：本发明提供一种半监督学习方法、系统、设备和存储介质及语义解析方法，设计合理，应用简单，在输出数据是离散变量的情况下，能够避免梯度传递的问题。所述方法包括，采用配对的输入数据集进行最大化条件似然的序列到序列学习，实现有监督学习；采用未配对的输入数据集基于联合随机近似进行学习，实现无监督学习；设定有监督学习目标和无监督学习目标的权重分配；按照权重分配将有监督学习目标和无监督学习目标联合为联合优化目标；根据联合优化目标，同时进行有监督学习和无监督学习。本发明将联合随机近似拓展到序列到序列半监督学习中，利用配对的数据集和未配对的输入数据集同时进行学习，提高了学习的效率和效果。
一种监督学习方法系统设备存储介质语义解析方法

[发明专利]基于联邦半监督学习的流量分类方法及系统-CN202211123213.4在审
发明人：卜佑军;孙重鑫;陈博;马海龙;周锟;张德升;乔伟;王克跃;蒋笑笑;王亮 -专利权人：中国人民解放军战略支援部队信息工程大学;网络通信与安全紫金山实验室
申请日： 2022-09-15 - 公布日： 2023-01-03 - 主分类号： G06F18/241 文献下载
摘要：本发明提供一种基于联邦半监督学习的流量分类方法及系统。该方法包括：构建无标签流量数据集和有标签流量数据集；中心服务器将全局模型分解为有监督学习参数与无监督学习参数并进行初始化；将参数和辅助代理发送至各客户端；客户端基于有监督学习参数、无监督学习参数和辅助代理利用本地的无标签流量数据集进行无监督训练，将无监督学习参数差异上传至中心服务器；中心服务器聚合更新各无监督学习参数；利用本地的有标签流量数据集进行有监督训练，将有监督学习参数差异、无监督学习参数差异发送至各客户端；基于最近邻搜索得到新的辅助代理
基于联邦监督学习流量分类方法系统

[发明专利]计算机视觉训练系统和用于训练计算机视觉系统的方法-CN202011179933.3在审
发明人：任昊宇;穆斯塔法·艾尔可哈米;阿曼·拉杰;李正元 -专利权人：三星电子株式会社
申请日： 2020-10-29 - 公布日： 2021-05-04 - 主分类号： G06T7/11 文献下载
摘要：所述计算机视觉(CV)训练系统，包括：监督学习系统，监督学习系统根据目标CV应用从一个或多个输入图像估计监督输出，并且根据监督输出和监督输出的地面真值来确定监督损失；无监督学习系统，无监督学习系统根据监督输出和所述一个或多个输入图像来确定无监督损失；弱监督学习系统，弱监督学习系统根据监督输出和与所述一个或多个输入图像对应的弱标签来确定弱监督损失；以及联合优化器，联合优化器并发地优化监督损失、无监督损失和弱监督损失。
计算机视觉训练系统用于方法

[发明专利]数据标注方法及装置-CN202110764998.2有效
发明人：郑继龙;齐红威;何鸿凌;肖永红 -专利权人：数据堂（北京）科技股份有限公司
申请日： 2021-07-07 - 公布日： 2021-11-19 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种数据标注方法及装置，该方法包括：利用无监督学习算法进行冷启动，对原始的无标签数据进行初级分类，生成弱和伪标签数据信息；对伪标签数据信息进行校验标注；对预设数量的弱标签数据信息进行标注，获得部分已标注数据，基于弱监督学习算法和部分已标注数据，对剩余的弱标签数据信息进行预标注，生成预标注结果；对预标注结果进行半监督学习算法的样本筛选，获得精品数据集；对精品数据集进行数据补充，获得全标签数据集；利用全标签数据集对无监督学习算法、弱监督学习算法和半监督学习算法进行算法迭代，获得优化的无监督学习算法、弱监督学习算法和半监督学习算法。
数据标注方法装置

[发明专利]一种基于无监督学习算法的冷机机组能耗优化方法-CN202211209141.5在审
发明人：江大白;汪刚;贾纬民 -专利权人：中用科技有限公司
申请日： 2022-09-30 - 公布日： 2023-03-24 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了一种基于无监督学习算法的冷机机组能耗优化方法，包括：采集冷机机组中设备的运行与能耗参数；利用所述冷机机组中数据使用无监督学习中心进行实时设备能耗特征提取，所述无监督学习中心进行实时设备能耗特征提取包括了冷机机组运行状态信息；利用所述无监督学习中心进行实时设备能耗优化效率特征提取；计算所述无监督学习中心进行实时设备能耗特征提取的优化效率是否大于预设的能耗阈值；当计算无监督学习中心进行实时设备能耗特征提取的优化效率大于预设的能耗阈值时，将所使用的无监督学习中心进行实时设备能耗特征提取分别计算到各冷机机组模块数据控制平台，本发明可以提高计算的准确性和对冷机机组数据的优化效率。
一种基于监督学习算法机组能耗优化方法

[发明专利]联合监督和非监督学习的低勘探区地层和岩性地震评价方法-CN202111404706.0有效
发明人：赵峦啸;竺炫莹;付晓伟;陈怀震;张丰收;耿建华 -专利权人：同济大学
申请日： 2021-11-24 - 公布日： 2023-05-02 - 主分类号： G01V1/30 文献下载
摘要：本发明涉及一种联合监督和非监督学习的低勘探区地层和岩性地震评价方法，包括以下步骤：1)基于叠后地震数据提取反映地质特征的地震属性，并进行弹性参数叠后反演得到反演结果；2)利用特征降维方法将提取的高维地震特征进行降维；3)基于降维后的特征，采用无监督学习方法进行聚类；4)利用无监督学习结果确定监督学习的适用范围；5)采用监督学习训练模型，对地震剖面进行岩性定量预测；6)利用无监督学习结果定性评估监督学习预测的不确定性与现有技术相比，本发明相较仅利用监督学习的预测方法，不仅能够更好挖掘数据内部特征，表征地层的地质特征和差异，还可圈定监督学习的适用范围，对预测不确定性进行定性评估。
联合监督学习勘探地层地震评价方法

[发明专利]异常流量识别系统-CN202110793756.6在审
发明人：王硕;杨康;王同乐;孙泽懿 -专利权人：北京明略软件系统有限公司
申请日： 2021-07-14 - 公布日： 2021-10-22 - 主分类号： G06Q30/02 文献下载
摘要：该系统包括无监督学习单元、有监督学习单元、交互单元和规则知识库，交互单元利用无监督学习单元的输出丰富规则知识库，并将丰富后的规则知识库用于第一特征工程和第二特征工程的构建，第一特征工程为无监督学习单元的特征工程，第二特征工程为有监督学习单元的特征工程；采用无监督学习单元、交互单元和丰富后的规则知识库，对类别未知的异常流量进行识别；采用有监督学习单元、交互单元和丰富后的规则知识库，对类别已知的异常流量进行识别。
异常流量识别系统

[发明专利]社区划分方法、装置、计算机设备及存储介质-CN202110407944.0有效
发明人：路遥 -专利权人：索信达（北京）数据技术有限公司
申请日： 2021-04-15 - 公布日： 2023-07-04 - 主分类号： G06F18/2415 文献下载
摘要：本申请公开了一种社区划分方法、装置、计算机设备及存储介质，该方法包括：调用无监督学习模型对用户群进行社区划分；对划分的多个社区进行分类纯度计算，获得每个所述社区对应的信息熵；根据所述信息熵，对所述无监督学习模型的参数进行更新；调用参数更新后的所述无监督学习模型再次进行社区划分，并返回执行所述对划分的多个社区进行分类纯度计算，获得每个所述社区对应的信息熵的步骤，直至确定所述无监督学习模型更新完毕；调用更新完毕的所述无监督学习模型对待划分用户进行社区划分通过信息熵对无监督学习模型进行导向性的调参，基于调参后的无监督学习模型进行社区划分，提高了社区划分的准确度。
社区划分方法装置计算机设备存储介质

[发明专利]基于半监督学习的遥感图像融合方法、装置、介质及设备-CN202010894787.6有效
发明人：胡建文;杜晨光;胡佩 -专利权人：长沙理工大学
申请日： 2020-08-31 - 公布日： 2022-06-28 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种基于半监督学习的遥感图像融合方法、装置、介质及设备，本发明由低尺度的监督学习和原始尺度的无监督学习构成，在进行监督学习时，将低分辨率多光谱和全色图像输入融合网络得到低分融合图像，计算参考图像与融合结果之间的低尺度损失本发明方法在低分部分监督学习，在高分部分无监督学习，通过半监督学习的方式来训练网络，使低分图像和高分图像的表现保持一致。实验结果表明，本发明提出的基于半监督学习的遥感图像融合方法可以达到好的融合效果。
基于监督学习遥感图像融合方法装置介质设备

[发明专利]一种基于无监督学习的医学图像肝脏分割方法-CN202110643707.4在审
发明人：金烁;董家鸿;王博;赵威;申建虎;张伟;徐正清 -专利权人：西安智诊智能科技有限公司
申请日： 2021-06-09 - 公布日： 2021-09-07 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于无监督学习的医学图像肝脏分割方法，首先取原始计算机断层扫描的腹部图像，通过人工标记出肝脏区域掩膜图像，组成训练集、测试集，对训练集中的图像数据进行归一化预处理，然后通过叠加两个带有AttentionGate的UNET构建无监督学习网络参数模型，构建损失函数模块，通过所述的的归一图像集对所述的无监督学习网络参数模型进行训练，然后对训练完成的无监督学习网络参数模型进行测试，验证其效果，若效果符合预期则得到可行性无监督学习网络参数模型；最后将待分割图像输入到可行性无监督学习网络参数模型中，得到分割后的肝脏区域图像。
一种基于监督学习医学图像肝脏分割方法

[发明专利]一种基于大数据的电池多故障智能分类识别方法-CN202210683063.6有效
发明人：魏中宝;胡鉴;何洪文 -专利权人：北京理工大学
申请日： 2022-06-16 - 公布日： 2022-11-29 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于大数据的电池多故障智能分类识别方法，包括以下步骤：S1.采集不同故障条件下电池的海量运行数据并上传大数据平台；S2.提取大数据平台中的原始数据并进行预处理；S3.建立并训练基于智能无监督学习算法的数据高阶特征提取模型；S4.建立并训练基于智能有监督学习算法的高阶特征多分类器；S5.实时采集电池运行数据，利用无监督学习算法提取实时数据的高阶特征，然后利用有监督学习算法进行特征分类，从而实现多种故障的实时诊断和分类。本发明结合基于无监督学习的特征提取方法和基于有监督学习的多分类器实现多种故障的诊断和分类，通过利用无监督学习算法可以提高多分类器的准确性和训练效率。
一种基于数据电池故障智能分类识别方法

[发明专利]一种融合无监督学习和自监督学习的中文拼写纠错方法-CN202210839984.7在审
发明人：李丕绩;王曦 -专利权人：南京航空航天大学
申请日： 2022-07-18 - 公布日： 2022-11-18 - 主分类号： G06F40/279 文献下载
摘要：本发明公开了一种融合无监督学习和自监督学习的中文拼写纠错方法，首先，利用混淆集对模型进行预训练，在预训练时不再替换为随机的字，而是替换为混淆集中的字使模型学到字音和字形相关信息；在训练时利用无监督学习和自监督学习对中文拼写错误进行检测和纠正本发明融合无监督学习和自监督学习提高模型中文拼写纠错性能的方法所训练的模型能够使模型更好的学习到字音和字形信息，使得模型在中文拼写纠错领域的性能得到提高。
一种融合监督学习中文拼写纠错方法

[发明专利]一种基于监督学习和半监督学习双重信息的迭代式标签噪声识别算法-CN201710315861.2有效
发明人：关东海;魏红强;袁伟伟 -专利权人：南京航空航天大学
申请日： 2017-05-02 - 公布日： 2021-08-06 - 主分类号： G06K9/62 文献下载
摘要：本发明公开的一种基于监督学习和半监督学习双重信息的迭代式标签噪声识别算法，属于机器学习和数据挖掘领域。本发明将监督和半监督学习结合起来，对于监督学习部分，通过软多重投票方式，产生监督学习噪声识别结果；对于半监督学习部分，基于监督学习产生的纯净数据训练的分类模型，对无标签数据集进行标记，标记后的无标签数据作为训练集
一种基于监督学习双重信息迭代式标签噪声识别算法

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