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！

龙图腾网获悉青岛科技大学申请的专利一种基于元特征的伪监督聚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：CN115331040B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202211014611.2，技术领域涉及：G06V10/762；该发明授权一种基于元特征的伪监督聚类方法是由赵文仓;王浩;邵尤佳;杨同森设计研发完成，并于2022-08-23向国家知识产权局提交的专利申请。

本一种基于元特征的伪监督聚类方法在说明书摘要公布了：本发明属于深度学习技术领域，具体涉及一种基于元特征的伪监督聚类方法，包括以下步骤：将数据集输入深度模型进行预训练；将原始图像和数据增强后的图像输入预训练模型中分别用于实例级别特征提取和类别预测，利用分类器对类别样本进行预测，选取高置信度的样本用于构建含有稳定语义信息的元特征；伪标签构建和伪标签全局分配；伪标签优化深度模型，采用带有标签平滑的交叉熵损失指导并优化元特征的选取和伪标签的分配。本发明在有效保证特征语义的情况下，提供稳定的聚类监督信号，通过在全局范围内分配伪标签完成从稳定样本到语义标签的直接映射，有效提高深度模型的分类精度，实现了稳定特征的语义自学习。

本发明授权一种基于元特征的伪监督聚类方法在权利要求书中公布了：1.一种基于元特征的伪监督聚类方法，其特征在于，包括以下步骤： S1：将数据集输入深度模型进行预训练； S2：将原始图像和数据增强后的图像输入预训练模型中分别用于实例级别特征提取和类别预测，利用分类器对类别样本进行预测，对置信度较高的样本特征进行挑选，选取高置信度的样本用于构建含有稳定语义信息的元特征fMeta； 选取每个类别概率最高的K个样本作为自信样本Ck，自信样本加权平均后作为元特征fMeta， S3：伪标签构建和伪标签全局分配；即，获取元特征后，为元特征在全局范围内寻找语义最近邻样本，为元特征和对应的语义最近邻分配相同的伪标签，lk＝{NfMeta|k∈[1，2…，S]}，其中，N·表示样本的全局最近邻，lk为元特征近邻分配的伪标签； S4：伪标签优化深度模型，采用带有标签平滑的交叉熵损失指导并优化元特征的选取和伪标签的分配； 标签平滑方法通过添加均匀噪音来改进类别伪标签y，给定带有相应标签，将噪声注入所有类别，如下所示： 其中，C是类别数量，ε～Uniform0，1是噪声，y是类别伪标签，是添加均匀噪声后的类别伪标签； 使用添加均匀噪声后的类别伪标签和随机增强样本的预测标签来计算交叉熵，为其中，χ为数据集，pi由对模型倒数第二层输出的logits向量z应用到函数计算得到，Zj为目标类别。

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青岛科技大学，其通讯地址为：266000 山东省青岛市崂山区松岭路99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”。