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！

龙图腾网获悉中国科学院计算技术研究所申请的专利基于深度PU学习与类别先验估计的数据分类方法及系统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：CN114417975B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202111591020.7，技术领域涉及：G06F18/2415；该发明授权基于深度PU学习与类别先验估计的数据分类方法及系统是由黄庆明;赵昀睿;姜阳邦彦;许倩倩设计研发完成，并于2021-12-23向国家知识产权局提交的专利申请。

本基于深度PU学习与类别先验估计的数据分类方法及系统在说明书摘要公布了：本发明提出一种基于基于深度PU学习与类别先验估计的数据分类方法和系统，本发明能同时估计类别先验，并利用所得先验估计学习深度模型，而无需已知数据的真实先验分布，从而更适用于PU学习在实际场景中的应用。本发明所提出的迭代框架包括将网络的预测分数建模为GMM，从而估计正类先验；基于正类先验的估计值，进行无偏PU学习；进而结合半监督学习的平均教师、温度锐化等技术，提高算法性能和稳定性。该框架能应用于包括计算机视觉、推荐系统、生物医疗等在内各领域的PU问题，并且效果优异，兼具科学价值和实用价值。

本发明授权基于深度PU学习与类别先验估计的数据分类方法及系统在权利要求书中公布了：1.一种基于深度PU学习与类别先验估计的数据分类方法，其特征在于，包括： 步骤1、获取包括多个数据样本的训练集，且在该训练集中只有部分数据样本标有类别标签，将该训练集同时输入至两个网络结构相同，但参数不同的学生模型和教师模型中，分别得到学生模型和教师模型输出的各数据样本对应的学生预测分数和教师预测分数； 步骤2、将所有教师预测分数输入至高斯混合模型，得到正类先验；基于所有学生预测分数，构建温度锐化损失；基于所有学生预测分数和教师预测分数，构建一致性损失；基于该正类先验和所有学生预测分数，得到非负PU风险，合并该一致性损失、该非负PU风险和该温度锐化损失，得到目标损失，并基于该目标损失，使用梯度反向传播对该学生模型的参数进行更新，直至该目标收敛或达到预设迭代次数，保存当前学生模型或老师模型作为数据分类模型； 步骤3、将待分类数据输入至该数据分类模型，以得到该待分类数据的类别； 其中，当用于恶意URL检测时，该训练集中数据为部分已标注恶意类别的URL和无标签的URL，且学生模型和教师模型均为循环神经网络；当用于虚假评论检测时，该训练集中数据为已标注虚假类别的评论和无标签的评论，且学生模型和教师模型均为循环神经网络；当用于冷冻电镜的粒子拾取时，该训练集中数据为已标注选中类别的粒子区域和无标签的粒子区域，且学生模型和教师模型均为卷积神经网络。

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科学院计算技术研究所，其通讯地址为：100080 北京市海淀区中关村科学院南路6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”。