“监督分类”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316814个，建议您升级VIP下载更多相关专利

[发明专利]一种数据分类方法、装置、计算机设备和存储介质-CN202110723318.2在审
发明人：刘广 -专利权人：中国平安人寿保险股份有限公司
申请日： 2021-06-28 - 公布日： 2021-11-02 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种数据分类方法、装置、计算机设备和存储介质。所述方法包括：计算有标签数据的有监督损失和计算无标签数据的一致性损失，并将有监督损失和一致性损失之和作为用于优化初始半监督分类模型的优化损失函数；基于优化损失函数，对初始半监督分类模型进行优化，得到优化后的半监督分类模型；以及将待分类的数据输入至优化后的半监督分类模型中进行分类处理，输出对应的分类结果。因此，采用本申请实施例，由于通过优化损失函数，对初始半监督分类模型进行优化，得到优化后的半监督分类模型；将待分类的数据输入至该优化后的半监督分类模型中，输出的分类结果也更加精准。
一种数据分类方法装置计算机设备存储介质

[发明专利]半监督分类模型训练、图像分类方法和装置-CN202211541994.9在审
发明人：王家兴;李勇;宫礼星;陶通;刘朋樟;包勇军;颜伟鹏 -专利权人：北京沃东天骏信息技术有限公司;北京京东世纪贸易有限公司
申请日： 2022-12-02 - 公布日： 2023-04-04 - 主分类号： G06V10/764 文献下载
摘要：本公开提供了一种半监督分类模型训练方法和装置，涉及人工智能技术领域。该方法的一具体实施方式包括：对获取的素材样本进行序列化处理，得到素材序列；对素材序列进行随机掩码处理，得到包括整体语义特征的掩码序列；将素材序列和掩码序列输入预先构建的半监督分类网络的掩码预测网络中，计算得到掩码预测网络的掩码预测损失；将带目标标签且经过掩码预测网络预测的整体语义特征输入半监督分类网络的线性分类网络，计算得到线性分类网络的监督损失；基于掩码预测损失和监督损失，训练半监督分类网络，得到对应半监督分类网络的半监督分类模型该实施方式提高了半监督分类模型的分类性能。
监督分类模型训练图像方法装置

[发明专利]基于半监督深度分类算法的数据分类方法、设备及装置-CN202110488533.9有效
发明人：孙翀;何开杰;王江晴;帖军;郑禄;夏梦;王雪言 -专利权人：中南民族大学;阿拉山口市科学技术局
申请日： 2021-04-30 - 公布日： 2023-06-30 - 主分类号： G06V10/764 文献下载
摘要：本发明属于数据处理技术领域，公开了一种基于半监督深度分类算法的数据分类方法、设备及装置。该方法包括：根据有标签数据和无标签数据构建的训练数据集对初始半监督分类模型进行训练，得到目标半监督分类模型，通过目标半监督分类模型对从数据源获取的原始数据进行处理，以获取目标数据，通过目标数据对预设分类器进行训练，得到训练后的目标分类器，并通过目标分类器对待分类数据进行分类。由此，由有标签数据和无标签数据训练构建的初始半监督分类模型，使得到的目标半监督分类模型学习了数据全样本分布，并通过目标半监督分类模型得到优化数据对分类器训练，使用于分类器训练的数据具有全面性与准确性，从而使分类器具有较高分类准确性
基于监督深度分类算法数据方法设备装置

[发明专利]一种改进的半监督图像分类方法、设备及存储介质-CN202111027446.X在审
发明人：邹帅;钱涛;余长江;邱斌;钟方伟;苟文清;周莉 -专利权人：新疆信息产业有限责任公司
申请日： 2021-09-02 - 公布日： 2021-11-26 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种改进的半监督图像分类方法、设备及存储介质，包括以下步骤：(1)构建改进后的半监督图像分类模型；改进后的半监督图像分类模型包括生成器、判断器及若干个子判断器(副判断器)；(2)训练改进后的半监督图像分类模型；(3)将待分类的图像输入至步骤(2)训练好的改进后的半监督图像分类模型，得到分类结果。本发明改进后的半监督图像分类模型表现出较好的测试错误率，可以更好地利用未标记图像和生成图像来提高分类能力。
一种改进监督图像分类方法设备存储介质

[发明专利]基于监督和自监督联合对比学习的小样本图像分类方法-CN202211614946.8在审
发明人：邹修明;翁小兰 -专利权人：淮阴师范学院
申请日： 2022-12-14 - 公布日： 2023-03-17 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了基于监督和自监督联合对比学习的小样本图像分类方法，包括如下步骤：S1、分类模型的构建；S2、主干网络特征提取；S3、监督特征和自监督特征变换；S4、联合对比学习；S5、小样本图像分类测试，移除分类模型中的监督投影器和自监督投影器，固定主干卷积神经网络中的参数，在线采集少量图像样本作为训练图像输入到主干卷积神经网络中提取特征，训练支持向量机分类器，最后对在线采集的测试图像利用支持向量机分类器完成分类测试。本发明对监督和自监督学习任务使用监督对比学习建立损失函数，能够对样本之间的对比关系之间建立关系，从而得到更紧凑的类别特征。
基于监督联合对比学习样本图像分类方法

[发明专利]一种基于自监督遥感影像分类的在轨卫星智能检测方法-CN202310882137.3在审
发明人：田新;李伟明;董安冉;马浩轩;汤超 -专利权人：赛思倍斯（绍兴）智能科技有限公司
申请日： 2023-07-18 - 公布日： 2023-10-24 - 主分类号： G06V20/13 文献下载
摘要：本发明涉及一种基于自监督遥感影像分类的在轨卫星智能检测方法：使用无标签遥感影像对MoCoV2模型进行自监督训练；在训练好的自监督遥感影像分类模型基础上，增加带监督线性分类器，构成预处理遥感影像分类网络模型；采用有标签的遥感影像对预处理遥感影像分类网络模型进行训练；采用训练好的预处理遥感影像分类网络模型对无标签遥感影像进行栅格化分类，得到遥感影像的栅格化分类结果，并将其作为带标签的训练数据，对带监督遥感影像分类网络模型进行训练，得到带监督遥感影像分类网络模型的最优权重文件；将训练好的带监督遥感影像分类网络模型部署到边缘Jetson AGX端设备中，得到遥感影像栅格化分类的装置，对遥感影像进行栅格化分类。
一种基于监督遥感影像分类卫星智能检测方法

[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]一种基于自监督学习的半监督节点分类方法-CN202110637743.X在审
发明人：康昭;刘昌澍 -专利权人：电子科技大学
申请日： 2021-06-08 - 公布日： 2021-09-10 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于自监督学习的半监督节点分类方法，包括以下步骤：S1、构建半监督分类数据集；S2、根据半监督分类数据依次构建拓扑图和特征图；S3、构建半监督节点分类模型，并基于拓扑图和特征图对其进行自监督训练，获得半监督节点分类结果。本发明从拓扑图和特征图的角度描述图数据，在图卷积神经网络框架中引入自监督学习模块融合节点特征和图拓扑结构的信息，在半监督节点分类任务上获得了更好的性能；本发明具备更高的计算效率，和基于注意力机制的方法相比需要更少的训练时间
一种基于监督学习节点分类方法

[发明专利]变电站工程建设质量监督分析系统-CN201910851081.9在审
发明人：张春;杨宁;李文杰;马景超;林英平;苗晓鹏;姜涛;张秋瑞;周庆发;胥欣欣;李雁冰;郭振伟;邵慧;付向东;姜文涛;钱芳;袁靖;刘永智;王伟 -专利权人：国网山东省电力公司东营供电公司
申请日： 2019-09-10 - 公布日： 2019-12-17 - 主分类号： G06Q10/06 文献下载
摘要：本发明提供一种变电站工程建设质量监督分析系统，包括质量基准区间设置单元、报表接收单元、数据分类单元、数据存储单元、数据监督分析单元和异常数据显示单元；质量基准区间设置单元接收并设置变电站工程建设质量的数据的合格区间，报表接收单元接收所需监督的变电站工程建设质量报表，数据分类单元将报表中的数据依照所需监督项目进行分类，数据存储单元保存数据分类单元的数据分类信息，数据监督分析单元将数据分类信息的分类的监管项目的数据与其对应的合格区间进行对比本变电站工程建设质量监督分析系统能够减少人工核对，提高监督分析效率，减少人工误差。
变电站工程报表接收单元数据存储单元数据分类单元分析单元分析系统合格区间设置单元数据分类数据监督异常数据质量基准质量监督选择性显示保存数据分类单元分析效率人工误差分类建设监督核对监管

[发明专利]分类网络模型的训练方法、装置以及电子设备-CN202010723231.0在审
发明人：耿瑞莹;黎槟华;李永彬;孙健 -专利权人：阿里巴巴集团控股有限公司
申请日： 2020-07-24 - 公布日： 2022-01-25 - 主分类号： G06N3/08 文献下载
摘要：本申请提供分类网络模型的训练方法、装置、电子设备以及计算机存储介质。其中该方法包括：获得客户端提供的用于监督训练的第一样本数据；基于第一样本数据，获得监督训练参数；监督训练参数用于监督训练初始分类网络模型；获得客户端提供的第二样本数据；其中，第二样本数据为用于训练初始分类网络模型的小样本数据；利用监督训练参数与第二样本数据训练初始分类网络模型，获得目标分类网络模型。由于本申请的分类网络模型的训练方法，首先是通过第一样本数据，获得监督训练参数。之后，结合监督训练参数，利用小样本数据的第二样本数据对初始分类网络模型进行训练，获得目标分类网络模型。从而使获得的目标分类网络模型增强了分类泛化能力。
分类网络模型训练方法装置以及电子设备

[发明专利]用于自动问答系统的分类模型训练、自动问答方法及装置-CN202011319773.8有效
发明人：施晓明;陈曦;张子恒;郑冶枫 -专利权人：腾讯科技（深圳）有限公司
申请日： 2020-11-23 - 公布日： 2022-09-20 - 主分类号： G06F16/332 文献下载
摘要：本申请公开了一种用于自动问答系统的分类模型训练、自动问答方法及装置，涉及人工智能领域。方法包括：利用弱监督数据集对分类模型进行预训练，得到预训练分类模型，弱监督数据集中包括第一询问数据以及弱监督标签；通过预训练分类模型对目标数据集进行分类，并基于分类结果确定目标数据集的目标损失，目标数据集中包含第二询问数据以及标注标签；对目标损失和预训练过程中弱监督数据集的弱监督损失进行损失融合，得到融合损失；基于融合损失对预训练分类模型进行微调，得到目标分类模型。通过引入弱监督数据集进行模型预训练，并在微调阶段融入弱监督数据集的信息，在保证模型训练质量的前提下降低模型训练过程对标注数据的依赖。
用于自动问答系统分类模型训练方法装置

[发明专利]无监督图像分类模型的训练方法、装置和电子设备-CN202010443523.9在审
发明人：李振鹏;郭玉红;姜佳男 -专利权人：北京嘀嘀无限科技发展有限公司
申请日： 2020-05-22 - 公布日： 2020-10-27 - 主分类号： G06K9/62 文献下载
摘要：本发明实施例公开了一种无监督图像分类模型的训练方法、装置和电子设备，通过将获取的目标域数据集和至少一个源域数据集分批次输入至无监督图像分类模型中进行处理，以训练无监督图像分类模型的特征生成网络、分类网络、域判别网络和联合标签分类网络，响应于特征生成网络、分类网络、域判别网络和联合标签分类网络对应的损失满足预定条件，确定无监督图像分类模型训练完成，由此，本实施例通过联合标签分类网络使得目标域数据集和源域数据集在域分布和类别分布上实现特征对齐，提高了训练后的无监督图像分类模型的分类准确度。
监督图像分类模型训练方法装置电子设备

[发明专利]一种利用几何与强度特征的分层次机载LiDAR点云分类方法-CN201910294565.8有效
发明人：陈焱明;刘小强;杨康;李满春;程亮;陈坚利;马丹驯;姜朋辉;周琛;姚梦汝;肖一嘉;施庆军 -专利权人：南京大学
申请日： 2019-04-12 - 公布日： 2021-01-29 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种利用几何与强度特征的分层次机载LiDAR点云分类方法，属于遥感科学技术领域。本发明步骤为：首先通过机载LiDAR获取地表的三维几何信息和强度信息，并根据几何信息和强度信息为每个LiDAR点构建几何特征与强度特征；再利用随机森林分类器处理几何特征，得到监督分类结果；从监督分类结果中提取地面地物，并利用高斯混合模型处理地面地物点的强度特征，得到非监督分类结果；而后利用启发规则对监督分类结果与非监督分类结果进行融合，获得最终分类结果。本发明克服了现有技术中，易变的强度信息所引起的机载LiDAR点云监督分类器不稳定、难迁移的不足，可以分层次利用机载LiDAR点云的几何信息和强度信息，得到较好的机载LiDAR点云分类结果。
一种利用几何强度特征层次机载 lidar 分类方法

[发明专利]一种融合无监督学习和监督学习的反馈式分类方法-CN201910510414.1在审
发明人：李刚;张政儒;许仕杰;蒋永华;焦卫东 -专利权人：浙江师范大学
申请日： 2019-06-13 - 公布日： 2019-11-08 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种融合无监督学习和监督学习的反馈式分类方法：通过无监督学习对原始特征集合进行分类，获得带标签信息的分类结果；将分类结果随机均分为训练组和对照组，训练组作为监督学习的输入，采用特征选择算法，使监督学习的分类准确率最高，并获得对应的特征子集；重构对照组特征集合，即依据特征子集的特征类别提取对照组特征集合相对应的特征子集，将重构后的对照组特征集合作为训练组获得的监督学习模型的输入，计算其分类准确率；通过设定分类准确率阈值作为迭代的终止条件，分类准确率高于预设阈值则终止迭代，获得分类结果，否则重构原始特征集合，并依次迭代，直到满足预设条件。该分类方法对未知分类标签的分类问题具有很好的适应性、准确性。
分类准确率无监督学习分类结果特征集合特征子集训练组迭代重构分类原始特征反馈式监督学习集合特征选择算法标签信息分类标签分类问题特征类别预设条件终止条件融合预设

[发明专利]基于多源多时相遥感影像优化和扩充监督分类样本的方法-CN201911155392.8有效
发明人：官凤英;严欣荣;张美曼;郑亚雄;黄兰鹰 -专利权人：国际竹藤中心
申请日： 2019-11-22 - 公布日： 2021-07-30 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于多源多时相遥感影像优化和扩充监督分类样本的方法，包括步骤选取精确的训练样本；构建多源、多时相遥感影像数据集；使用所述精确样本对多源、多时相遥感影像数据集进行监督分类；确定多个时相后处理的解译结果中的相同部分，生成的待优化和扩充监督样本；生成优化和扩充监督分类样本。本发明利用少量分类样本和多源、多时相遥感影像进行监督分类样本的优化和扩充，能够极大的减少样本采集过程中产生的误差，减少样本构建过程中实地调查工作量，提高监督分类进行土地利用/覆盖中的精度。
基于多时遥感影像优化扩充监督分类样本方法

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