“分类函数”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451341个，建议您升级VIP下载更多相关专利

[发明专利]对象分类方法、装置、设备及存储介质-CN202110821659.3在审
发明人：王树松 -专利权人：王树松
申请日： 2021-07-20 - 公布日： 2022-08-19 - 主分类号： G06K9/62 文献下载
摘要：本公开涉及一种对象分类方法、装置、设备及存储介质。该方法包括：在获取到待分类对象后，基于对象分类网络对待分类对象进行分类，得到待分类对象的分类结果，对象分类网络中的至少一个目标神经元基于线性归一化函数进行激活，线性归一化函数的输出值为线性归一化函数的输入值与线性归一化系数的乘积引入上述线性归一化函数的对象分类网络，可以提高训练过程中的训练精度，使得在基于训练好的对象分类网络做对象分类时，可以提高分类准确性，满足用户的分类需求。
对象分类方法装置设备存储介质

[发明专利]人脸识别模型的训练方法、装置、设备及存储介质-CN202010760772.0在审
发明人：张国辉;徐玲玲;宋晨 -专利权人：平安科技（深圳）有限公司
申请日： 2020-07-31 - 公布日： 2020-11-06 - 主分类号： G06K9/00 文献下载
摘要：人脸识别模型的训练方法包括：获取多个训练数据集以及预置的人脸识别模型的主干网络和多个分类网络；通过主干网络对多个训练数据集分别进行人脸特征提取，得到多个特征集；通过多个分类网络对多个特征集进行分类，得到多个分类数据集；计算多个特征集的多个特征向量损失函数值，以及多个分类数据集的多个分类损失函数值；根据多个特征向量损失函数值和多个分类损失函数值，计算人脸识别模型的目标损失函数值；根据目标损失函数值对主干网络进行迭代更新，直至目标损失函数值收敛，得到更新后的人脸识别模型。
识别模型训练方法装置设备存储介质

[发明专利]一种数据分类方法、系统、存储介质及设备-CN202210570037.2在审
发明人：陈静静;吴睿振;王凛;张永兴;张旭 -专利权人：山东云海国创云计算装备产业创新中心有限公司
申请日： 2022-05-24 - 公布日： 2022-08-16 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种数据分类方法、系统、存储介质及设备，方法包括：从数据集中选取部分数据作为训练集中的样本，样本有至少两种类别，每个样本对应已知的一种类别；基于各种类别的样本在训练集中的占比得到新交叉熵损失函数，新交叉熵损失函数为交叉熵损失函数的改进函数；基于训练集对新交叉熵损失函数进行训练，以得到训练完成的分类模型；基于分类模型对类别未知的数据进行类别预测，以对类别未知的数据进行分类。本发明减少了样本量多的类别对交叉熵损失函数的影响，增大了样本量少的类别对交叉熵损失函数的影响，该分类模型更加侧重样本量少的那一类的分类准确率，有利于解决在数据分类中样本量分布不均衡造成的问题。
一种数据分类方法系统存储介质设备

[发明专利]一种分类模型的训练方法及装置-CN202310553400.4在审
发明人：王许涛;陈汉亭;王云鹤 -专利权人：华为技术有限公司
申请日： 2023-05-16 - 公布日： 2023-10-20 - 主分类号： G06V10/764 文献下载
摘要：一种分类模型的训练方法，包括：基于训练后的第一分类模型输出标注样本的倾向得分，倾向得分为标注样本被标注的概率；第一分类模型的训练过程是将标注样本作为正样本，未标注样本作为负样本进行模型训练；确定第二分类模型的第一损失函数，第一损失函数包括标注样本的损失函数和未标注样本的损失函数，标注样本的损失函数的权重与标注样本的倾向得分相关；基于标注样本、未标注样本和第一损失函数,训练第二分类模型。因此，通过倾向得分修改损失函数中该标注样本对应项的权重，可以降低标注样本中的有偏标注的影响，提高了第二分类模型的分类准确率。
一种分类模型训练方法装置

[发明专利]一种结合分类任务的弱监督目标分割方法-CN201910820025.9有效
发明人：张凯文;韦佳 -专利权人：华南理工大学
申请日： 2019-08-31 - 公布日： 2022-12-16 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种结合分类任务的弱监督目标分割方法，该方法包括：构建结合分类任务的目标分割模型，包括分割模块和分类模块；使用像素级标注数据进行训练，并采用戴斯相似性系数作为分割模块的损失函数以及采用交叉熵损失函数作为分类模块的损失函数；在使用像素级标注数据训练到迭代次数后，加入额外的图像级标注数据共同训练，并采用基于区域置信图的弱监督损失函数作为分割模块的损失函数以及采用交叉熵损失函数作为分类模块的损失函数；将需要分割的图像输入到模型中，得到分割结果以及分类结果，然后将被分类为无目标的图像的分割结果全部置为背景区域。
一种结合分类任务监督目标分割方法

[发明专利]图像分类方法，参数训练方法和图像分类装置-CN202110256627.3在审
发明人：黄开竹;高志强;张锐;王秋锋;钟朝亮 -专利权人：西交利物浦大学;富士通株式会社
申请日： 2021-03-09 - 公布日： 2022-09-13 - 主分类号： G06V10/764 文献下载
摘要：本发明实施例提供一种图像分类方法和装置，参数训练方法，该图像分类方法包括：将输入图像数据输入分类器中，提取输入图像数据的特征向量，根据该特征向量对该输入图像数据进行分类，得到各输入图像数据对应的预测标签，并确定第一损失函数；该标签表示该输入图像数据所属的类别；该输入图像数据包括源域图像数据和目标域图像数据；判别器根据该特征向量的梯度判别该梯度对应的预测域标签是源域或目标域，并确定第二损失函数；根据该第一损失函数和该第二损失函数，训练并更新该分类器和该判别器的参数，直至该第一损失函数和该第二损失函数最优化；参数更新后的所述分类器对需要分类的输入图像数据进行分类，以得到所述需要分类的输入图像数据的分类结果。
图像分类方法参数训练装置

[发明专利]基于稀疏表示与集成学习的轴承故障分类诊断方法-CN201610096063.0有效
发明人：刘嘉敏;彭玲;罗甫林;袁佳成;刘军委;邓勇 -专利权人：重庆大学
申请日： 2016-02-22 - 公布日： 2017-11-21 - 主分类号： G01M13/04 文献下载
摘要：本发明公开了一种基于稀疏表示与集成学习的轴承故障分类诊断方法，通过加速度传感器采集每种工况下滚动轴承在不同转速工作的振动加速度信号作为训练样本；选取m个训练样本构成m组训练数据，建立弱分类器—图正则化稀疏表示模型；对图正则化稀疏表示进行T次迭代运算；弱分类器得到分类函数序列，然后对每个分类函数分别赋予一个权重，最终强分类函数F由弱分类函数通过加权得到；通过加速度传感器采集待测滚动轴承在转动工作时的振动加速度信号数据作为测试样本；将测试样本作为强分类函数的输入量带入强分类函数进行运算，即可得到待测滚动轴承的故障分类结果。
基于稀疏表示集成学习轴承故障分类诊断方法

[发明专利]基于增量学习的图像分类方法、装置、设备及存储介质-CN202210875645.4在审
发明人：舒畅;陈又新 -专利权人：平安科技（深圳）有限公司
申请日： 2022-07-25 - 公布日： 2022-10-04 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及人工智能，揭露一种基于增量学习的图像分类方法，包括：根据预设特征提取器、主分类器和多个副分类器分别构建图像分类模型中的第一分类模块和第二分类模块，将训练图像集输入至图像分类模型中进行损失值计算，得到第一训练损失函数值和第二训练损失函数值，当第一训练损失函数值小于第一参考阈值且第二训练损失函数值大于第二参考阈值时，将图像分类模型输出为标准分类模型；将待分类图像输入至标准分类模型中，得到图像分类结果此外，本发明还涉及区块链技术，第一训练损失函数值可存储于区块链的节点。本发明还提出一种基于增量学习的图像分类装置、电子设备以及存储介质。本发明可以提高图像分类的准确度。
基于增量学习图像分类方法装置设备存储介质

[发明专利]基于AUC优化的多类别分类方法及系统-CN202210376289.1在审
发明人：许倩倩;杨智勇;操晓春;黄庆明 -专利权人：中国科学院计算技术研究所
申请日： 2022-04-11 - 公布日： 2022-08-05 - 主分类号： G06K9/62 文献下载
摘要：本发明提出一种基于AUC优化的多类别分类方法，包括：构建多类别场景的初始多分类器；根据该多类别场景的AUC指标构建多分类器AUC指标，并构建该多分类器AUC指标的损失函数；对该损失函数进行优化；通过优化后的损失函数对该初始多分类器进行训练，以得到最终分类器；以该最终分类器在该多类别场景下进行多类别分类。
基于 auc 优化类别分类方法系统

[发明专利]图像分类方法、装置、电子设备和存储介质-CN202211282370.X在审
发明人：廖丹萍 -专利权人：浙江智慧视频安防创新中心有限公司
申请日： 2022-10-19 - 公布日： 2023-01-17 - 主分类号： G06V10/764 文献下载
摘要：本申请提供一种图像分类方法、装置、电子设备和存储介质,涉及深度学习技术领域，图像分类方法包括：构建基于卷积神经网络的初始图像分类模型，所述初始图像分类模型包含卷积核，所述卷积核包括卷积核骨架和四角卷积块；根据所述初始图像分类模型的损失函数和所述四角卷积块的正则化约束函数，得到新的损失函数；根据训练数据集和所述新的损失函数对所述初始图像分类模型进行训练，得到训练后的图像分类模型；根据训练后的图像分类模型对待分类图像进行分类新的损失函数能够弱化四角卷积块对特征提取起的作用，而进一步增强卷积核骨架的特征提取能力，从而更有效地对图像提取特征，提升网络模型的分类性能。
图像分类方法装置电子设备存储介质

[发明专利]一种混合傅里叶核函数支持向量机文本分类方法-CN201810160983.3有效
发明人：于舒娟;张昀;朱文峰;何伟;董茜茜;金海红 -专利权人：南京邮电大学;南京邮电大学南通研究院有限公司
申请日： 2018-02-27 - 公布日： 2020-04-07 - 主分类号： G06F16/35 文献下载
摘要：本发明提出了一种混合傅里叶核函数支持向量机文本分类方法。所述方法根据支持向量机中各种核函数不同的学习、泛化能力，进而通过线性加权混合多项式与傅里叶核函数，组成新的混合傅里叶核函数；由于核函数的学习能力以及泛化能力很大程度上影响支持向量机分类效果，因此把多项式核函数与傅里叶核函数相结合本发明方法继承了傅里叶核函数的高学习能力与多项式核函数的泛化能力，提高了支持向量机分类器的性能；并且与单核中的多项式核函数、高斯核函数、傅里叶核函数以及混合核函数中的多项式与高斯核组合核函数比较，混合傅里叶核函数具有更好的泛化、学习能力，文本分类效果最佳。
一种混合傅里叶核函数支持向量文本分类方法

[发明专利]一种基于l₀-合页损失函数的鲁棒分类方法-CN201810310185.4在审
发明人：李洽;唐建雄 -专利权人：中山大学
申请日： 2018-04-08 - 公布日： 2018-11-06 - 主分类号： G06K9/62 文献下载
摘要：本发明提出了一种基于l₀‑合页损失函数的鲁棒分类方法，所述方法利用罚函数与分块坐标下降法解出分类超平面，对测试样本进行预测判决，所述方法包括鲁棒分类器l₀‑SVM模型，所用的l₀‑合页损失函数具有分段常数性质，误分类样本的离散性不会被平滑，并且误分类样本离边界的远近不影响l₀‑合页损失函数的大小变化，基于l₀‑合页损失函数设计的分类器l₀‑SVM对被标签噪声具有鲁棒性。在训练样本包含标签噪声的情况下，仍能够训练出分类性能较好的分类超平面。
损失函数合页鲁棒分类超平面分类样本分类器噪声标签测试样本大小变化分类性能训练样本罚函数离散性鲁棒性下降法分类平滑分块分段判决预测

[发明专利]一种基于概率再生核函数的实体分类方法及系统-CN202210361230.5在审
发明人：熊陈魁;邱艳珍;张创峰;廖少林;马争鸣 -专利权人：中山大学
申请日： 2022-04-07 - 公布日： 2022-07-12 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于概率再生核函数的实体分类方法及系统，该方法包括：获取输入数据并将输入数据映射至希尔伯特空间，得到映射数据；引入概率核函数，考虑输入数据的概率分布优化协方差矩阵，得到优化后的概率核函数；基于优化后的概率核函数将映射数据投影至RKHS子空间，并根据预设准则学习生成最优子空间，得到分布优化后的数据；基于分类算法对分布优化后的数据进行处理，输出分类结果。该系统包括：映射模块、概率核函数引入模块、投影模块和分类模块。本发明作为一种基于概率再生核函数的实体分类方法及系统，可广泛应用于分类识别领域。
一种基于概率再生函数实体分类方法系统

[发明专利]数据分类方法、设备、存储介质及装置-CN202010424139.4在审
发明人：任自鑫;张明福;何云;郭威 -专利权人：安徽江淮汽车集团股份有限公司
申请日： 2020-05-15 - 公布日： 2020-09-04 - 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、设备、存储介质及装置，该方法包括：通过获取待分类数据以及所述待分类数据在模拟退火场景中的当前温度，并根据所述待分类数据生成初始相似度矩阵，根据预设聚类算法以及所述初始相似度矩阵确定所述待分类数据对应的目标准则函数值集以及分类结果集，根据所述目标准则函数值集以及所述当前温度从所述分类结果集选取目标分类结果，本发明根据预设聚类算法以及待分类数据生成目标准则函数值集以及分类结果集，再对目标准则函数值集以及分类结果集进行分析，获得目标分类结果，从而能够减少运算量，提高数据分类的准确性。
数据分类方法设备存储介质装置

[发明专利]图像分类方法及装置-CN202310416399.0有效
发明人：王芳;暴宇健 -专利权人：深圳须弥云图空间科技有限公司
申请日： 2023-04-19 - 公布日： 2023-08-29 - 主分类号： G06V10/764 文献下载
摘要：本公开涉及计算机技术领域，提供了一种图像分类方法及装置。该方法包括：获取待分类图像；将待分类图像输入到预置的图像分类模型，采用图像分类模型对待分类图像进行分类，得到分类结果，其中，图像分类模型采用训练图片、初始分类模型、第一损失函数和第二损失函数训练得到，第一损失函数根据第一任务数据构建，第一任务数据为对进行随机掩码处理后的分片执行对比学习任务的任务数据，第二损失函数根据第二任务数据构建，第二任务数据为对进行随机掩码处理后的分片输入初始分类模型执行掩码图像还原任务的任务数据。本公开的技术方案可以提高图像分类模型的图像分类的精度。
图像分类方法装置