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！

龙图腾网获悉郑州轻工业大学申请的专利一种基于补子空间的加权协同表示非均衡分类方法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：CN114742149B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202210356037.2，技术领域涉及：G06F18/24；该发明授权一种基于补子空间的加权协同表示非均衡分类方法是由李艳婷;金军委;王帅;陶红伟;吴怀广;顿辉;朱付保设计研发完成，并于2022-04-06向国家知识产权局提交的专利申请。

本一种基于补子空间的加权协同表示非均衡分类方法在说明书摘要公布了：本发明公开了一种基于补子空间的加权协同表示非均衡分类方法，用于对非均衡数据进行分类，包括以下内容：对总类别数为c的非均衡数据集进行预处理，得到目标训练样本集X和目标测试样本集；自适应地获取所述目标训练样本集X中各类训练样本子集的权重；基于补子空间确定加权协同表示分类模型；对所述加权协同表示分类模型进行求解，得到最优表示系数，并根据所述最优表示系数重构的误差预测所述目标测试样本集的类别。本发明将更具判别性的补子空间正则项引入到协同表示建模过程中，并且根据非均衡数据集的原始类别分布信息来自适应地获取每类的权重，从而赋予了少数类更大的权重，有效解决了现有的协同表示方法无法对少数类正确分类的问题。

本发明授权一种基于补子空间的加权协同表示非均衡分类方法在权利要求书中公布了：1.一种基于补子空间的加权协同表示非均衡分类方法，其特征在于，包括以下内容： 对总类别数为c的非均衡数据集进行预处理，得到目标训练样本集X和目标测试样本集； 获取所述目标训练样本集X中各类训练样本子集的权重； 利用各类训练样本子集的权重基于补子空间确定加权协同表示分类模型； 对所述加权协同表示分类模型进行求解，得到最优表示系数，并根据所述最优表示系数重构的误差预测所述目标测试样本集的类别； 获取X中各类训练样本子集的权重的方法为： 获取第i类训练样本子集的均值EXi和方差DXi； 确定最小方差所在类j，并对第j类训练样本子集的权重赋值，令ωj＝1； 基于所述训练样本子集类别间相关性确定剩余训练样本子集类权重ωi； 其中，j的表达式为：ji＝DXi； 其中，表示函数ji取最小值时变量i的值； 基于所述训练样本子集类别间相关性确定剩余训练样本子集类权重ωi的方法为： 确定i≠j时，第i类训练样本子集的均值EXi和第j类训练样本子集的均值EXj之间的相关系数ρi； 根据所述相关系数ρi对ωi赋值，赋值表达式为：ωi＝1+σ|ρi|； 其中，σ表示调控权重的伸缩参数； 所述补子空间的表达式为： S-Si＝span{X-i}； 其中，i≤c,表示第i类；S表示目标训练样本集X生成的全空间；Xi表示第i类训练样本子集；Si表示Xi生成的空间为S的子空间；S-Si表示Si的补子空间；X-i表示从X中移除第i类训练样本子集后剩余的训练样本集合； 得到最优表示系数的具体求解方法为： 设定参数λ，γ，σ的候选集为{10-5，10-4，10-3，10-2，10-1，1,10，102，103}，利用网格搜索算法对这些参数进行线性组合使得加权协同表示分类模型在每个数据集上获得最好的分类效果； 计算模型关于a的偏导数为零时所对应的a值，具体地，令模型关于a的偏导为零，得到：则该模型的最优表示系数a*为J*1的向量，即：a*＝Py； 其中，是大小为J*J的投影矩阵，表示把训练样本矩阵M中的第i类训练样本列向量设为零向量后得到的大小为d*J的矩阵，I是大小为J*J的单位矩阵；投影矩阵P只与训练样本矩阵M有关，与测试样本y无关；所以在计算a*之前先把P保存下来；一旦输入测试样本y，则利用M-i和类权ωi，得到J*1的最优表示系数a*； 所述加权协同表示分类模型的表达式为： 其中，y表示大小为d*1的测试样本向量，d表示向量的维数，M表示大小为d*J的训练样本矩阵，J表示训练样本总数，λ和γ为正则化参数，a为M的表示系数，a*为最优表示系数，M-i为X-i对应的矩阵，a-i为M-i的表示系数。

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郑州轻工业大学，其通讯地址为：450001 河南省郑州市科学大道136号郑州轻工业大学；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”。