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！

龙图腾网获悉哈尔滨工程大学申请的专利一种基于混合度量的特征分布度量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：CN115861660B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202211689077.5，技术领域涉及：G06V10/74；该发明授权一种基于混合度量的特征分布度量方法是由何鸣;张耘;王红滨;王勇;周连科;王念滨;孙彧设计研发完成，并于2022-12-27向国家知识产权局提交的专利申请。

本一种基于混合度量的特征分布度量方法在说明书摘要公布了：一种基于混合度量的特征分布度量方法，为解决在图像分类时深度迁移学习方法的迁移学习模型无法对目标域数据准确标注的问题。将图片分为源域和目标域；利用源域中的图片对迁移学习模型进行训练，得到模型；计算分类损失；计算域间特征边缘分布差异的一、二、三阶统计量距离，再加权组合得到域间特征边缘分布的混合度量；获取目标域软标签，利用软标签计算目标域特征的初始软质心，再使用余弦相似度得目标域特征的伪标签；计算域间特征的条件分布差异的一、二、三阶统计量距离，再加权组合得到域间特征条件分布的混合度量；将二者混合度量相加得域间特征统计量距离；计算迁移学习模型总体损失函数，更新模型；预测测试样本，得到种类预测概率。

本发明授权一种基于混合度量的特征分布度量方法在权利要求书中公布了：1.一种基于混合度量的特征分布度量方法，其特征在于：它包括以下步骤： S1、获取一定数量的图片，将图片分为训练样本和测试样本，训练样本作为源域，测试样本作为目标域； S2、构建迁移学习模型，利用源域中的图片对迁移学习模型进行训练，输出图片中物体种类的预测概率，直至loss损失不变，得到训练好的迁移学习模型； S3、根据训练好的迁移学习模型计算源域数据的分类损失； S4、利用最大均值差异计算域间特征边缘分布差异的一阶统计量距离； S5、利用相关性对齐方法计算域间特征边缘分布差异的二阶统计量距离； S6、利用高阶矩匹配方法计算域间特征边缘分布差异的三阶统计量距离； S7、将一阶统计量距离、二阶统计量距离、三阶统计量距离加权组合，得到域间特征边缘分布的混合统计量距离； S8、获取目标域软标签，并利用软标签计算目标域特征的初始软质心，再使用余弦相似度作为距离度量的k-means算法获得目标域特征的伪标签 S9、利用目标域伪标签与最大均值差异计算域间特征的条件分布差异的一阶统计量距离； S10、利用目标域伪标签与相关性对齐方法计算域间特征的条件分布差异的二阶统计量距离； S11、利用目标域伪标签与高阶矩匹配方法计算域间特征的条件分布差异的三阶统计量距离； S12、将一阶统计量距离、二阶统计量距离、三阶统计量距离加权组合，得到域间特征条件分布的混合统计量距离； S13、将S7得到的域间特征边缘分布的混合统计量距离与S12得到的域间特征条件分布的混合统计量距离相加，得到域间特征统计量距离； S14、根据S3中源域数据的分类损失和S13中域间特征统计量距离计算迁移学习模型总体损失函数，并更新迁移学习模型参数，得到新的迁移学习模型； S15、利用新的新的迁移学习模型对测试样本进行预测，得到测试样本对应的种类的预测概率。

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哈尔滨工程大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区南通大街145号；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”。