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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于直接增量学习算法的运动类型分类方法和装置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：CN116702020B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202310465156.6，技术领域涉及：G06F18/241；该发明授权基于直接增量学习算法的运动类型分类方法和装置是由侯臣平;古仕林设计研发完成，并于2023-04-26向国家知识产权局提交的专利申请。

本基于直接增量学习算法的运动类型分类方法和装置在说明书摘要公布了：本申请涉及一种基于直接增量学习算法的运动类型分类方法和装置。所述方法包括：根据运动对象上不同部位设置的传感器，获取原始运动数据，根据原始运动数据，对原始分类器进行训练，得到训练好的原始分类器，获取增量运动数据，根据原始运动数据上训练得到的分类器和增量运动数据，构建能够处理增量运动数据的新分类器，对能够处理增量运动数据的新分类器进行正则化处理，得到正则项，根据原始分类器以及新分类器，构建直接相似性约束项，从而构建直接增量学习算法的目标函数，进行增量分类器学习，利用训练好的增量分类器进行运动类型分类。采用本方法能够在特征和类别同时增加时，对分类模型进行增量训练。

本发明授权基于直接增量学习算法的运动类型分类方法和装置在权利要求书中公布了：1.一种基于直接增量学习算法的运动类型分类方法，其特征在于，所述方法包括： 根据运动对象上不同部位设置的传感器，获取原始运动数据； 根据所述原始运动数据，对原始分类器进行训练，得到训练好的原始分类器； 根据运动对象上其他部位设置的传感器，获取增量运动数据，根据所述原始运动数据上训练得到的分类器和所述增量运动数据，构建能够处理增量运动数据的新分类器；其中，所述增量运动数据中包含增加的类别； 对所述能够处理增量运动数据的新分类器进行正则化处理，得到正则项，根据所述原始运动数据上训练得到的分类器以及增加类别后的增量运动数据上训练的新分类器，构建直接相似性约束项； 根据交叉熵损失函数、所述正则项、所述直接相似性约束项构建的直接增量学习算法的目标函数以及训练样本，对训练好的原始分类器进行增量学习，得到训练好的增量分类器； 利用训练好的增量分类器进行运动类型分类； 根据所述原始运动数据上训练得到的分类器以及增加类别后的增量运动数据上训练的新分类器，构建直接相似性约束项，包括： 根据所述原始运动数据上训练得到的分类器以及增加类别后的增量运动数据上的分类器，构建直接相似性约束项为： 其中，表示原始运动数据的分类器参数，表示增加类别后的增量运动数据前C列的分类器参数，其中C表示分类的类别； 根据交叉熵损失函数、所述正则项、所述直接相似性约束项构建直接增量学习算法的目标函数，包括： 根据交叉熵损失函数、所述正则项、所述直接相似性约束项构建的直接增量学习算法的目标函数为： 其中，α、β表示系数，表示正则项。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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”。