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！

龙图腾网获悉扬州大学申请的专利基于二方图最大化共识的比特币地址服务类别多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：CN116644362B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202310474228.3，技术领域涉及：G06F18/243；该发明授权基于二方图最大化共识的比特币地址服务类别多分类方法是由张俊杰;张乐君设计研发完成，并于2023-04-27向国家知识产权局提交的专利申请。

本基于二方图最大化共识的比特币地址服务类别多分类方法在说明书摘要公布了：本发明公开了基于二方图最大化共识的比特币地址服务类别多分类方法包括，收集带有标签的地址信息；利用所述收集的地址信息，使用软件和接口工具构建地址分析框架；通过构建的地址分析框架对地址信息中的交易信息和实体信息进行预处理；对预处理过的交易信息和实体信息进行特征提取，并使用机器学习算法获取地址分类结果和实体聚类编号；基于二方图最大化共识方法优化所述地址分类结果；本发明使用新的特征提取方式提高了对地址服务识别的准确率；使用的基于二方图的最大化共识算法解决了对地址所在实体信息利用不充分的问题，进一步提高了对比特币地址服务识别的能力。

本发明授权基于二方图最大化共识的比特币地址服务类别多分类方法在权利要求书中公布了：1.基于二方图最大化共识的比特币地址服务类别多分类方法，其特征在于，包括： 收集带有标签的地址信息； 利用所述收集的地址信息，使用软件和接口工具构建地址分析框架； 通过构建的地址分析框架对地址信息中的交易信息和实体信息进行预处理； 对预处理过的交易信息和实体信息进行特征提取，并使用机器学习算法获取地址分类结果和实体聚类编号； 基于二方图最大化共识方法优化所述地址分类结果，包括： 从随机森林分类器和梯度提升分类器的输出中获取“组-对象”的邻接矩阵，为分类器中的组节点分配初始概率； 从聚类结果中获得“组-对象”临接矩阵； 计算“群体-对象”的条件概率并统一； 迭代传播组节点和对象节点之间的条件概率； 为每个对象分配概率最高的类别标签作为最终结果； 其中，对象i表示每一个地址，即待分类的对象；组j表示地址被分类和聚类算法划分到的组别；群体s和v表示地址群； 从随机森林分类器和梯度提升分类器的输出中获取“组-对象”的邻接矩阵，为分类器中的组节点分配初始概率，包括： 通过获取的“组-对象”的邻接矩阵A，为分类器中的组节点分配初始概率b；对于每一个i属于1:s，每一个j属于1:n，并作如下计算： H=i-1*class+pMj,i Ah,j=1 bh,pMj,i=1 同时，在聚类器的输出中获取“组-对象”的邻接矩阵A；对于每一个组别j属于s：v，每一个对象i属于1：n； 其中，pM是一个包含所有基础模型结果的矩阵；Ah,j=1表示更新“组-对象”临接矩阵A,bh,pMj,i=1表示更新初始概率b，H表示对象的坐标，class为分类的类别数量，n表示参与分类的地址个数，h表示类别； 计算“群体-对象”的条件概率并统一，包括： 初始化组的条件概率：q_clust=zerosv,class； 初始化对象的条件概率：q_inst=zerosn,class； 对于每一个对象i，每一个类别h，更新对象的条件概率表示为：q_insti,h=1class； 其中，zeros表示初始化零矩阵； 更新对象中使用的向量HV： Hv=sumb,2 Y=b.*repmatHv,1,class 其中，sumb,2为包含每一行总和的列向量；Y代表向量标记信息，.*代表矩阵按位相乘，repmat是以Hv为样本拷贝成1*class的矩阵； 进行矩阵的归一化处理，包括： 计算组被除矩阵Dv，使得后续条件概率迭代传播操作中矩阵相除时维数相同，公式表示为： Dv=repmatsumA,2+alp*Hv,1,class 计算对象被除矩阵Dn，使得后续条件概率迭代传播操作中矩阵相除时维数相同，公式表示为： Dn=repmatsumA',1,class; 其中，alp是可调节参数。

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扬州大学，其通讯地址为：225009 江苏省扬州市大学南路88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”。

以上内容由龙图腾AI智能生成。