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！

龙图腾网获悉西北工业大学申请的专利一种基于稀疏表示的鲁棒半监督图像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：CN119091202B 。

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：202411130214.0，技术领域涉及：G06V10/764；该发明授权一种基于稀疏表示的鲁棒半监督图像分类方法是由王靖宇;陈城;聂飞平;李学龙设计研发完成，并于2024-08-16向国家知识产权局提交的专利申请。

本一种基于稀疏表示的鲁棒半监督图像分类方法在说明书摘要公布了：本发明涉及一种基于稀疏表示的鲁棒半监督图像分类方法，将数据集分为训练集和测试集，分别各自拉长为图像数据矩阵并归一化处理；设定目标函数后对训练集训练，利用训练得到的分类器和分类偏置得到训练集和测试集的数据分类。本发明提出一种利用范数挖掘无标签数据隐含信息的半监督学习框架，抑制了数据中离群点对分类的影响，提高了算法鲁棒性。引入了范数，使算法运算过程中的矩阵更加稀疏，图像数据处理效率显著提升。因此，本发明在实际工程应用中的实用性更强。本发明采用隶属度大小表征样本所属类别，受边界点的影响较小，鲁棒性较强。

本发明授权一种基于稀疏表示的鲁棒半监督图像分类方法在权利要求书中公布了：1.一种基于稀疏表示的鲁棒半监督图像分类方法，其特征在于步骤如下： 步骤1：将包含n个a×b像素规模图像的数据集分为训练集和测试集；拉长训练集为图像数据矩阵其中拉长测试集为图像数据矩阵其中 步骤2：分别将图像数据矩阵按行进行归一化，得到归一化处理后原始数据矩阵和最后对归一化后的图像数据矩阵利用PCA按照贡献率进行降维处理，记降维后的维度为d，处理后的图像矩阵为和 步骤3：设定目标函数即基于稀疏表示的鲁棒半监督图像分类模型，然后对训练集进行训练： 在图像数据矩阵X的基础上，随机初始化隶属度矩阵要求其满足行和为1，fij为矩阵F第i行第j列的元素，表示第i个数据点xi隶属于第j类分类的隶属度，对于有标签的数据，其隶属度在标签对应列置1，其余列置0；随机初始化给定参数p,r； 设定目标函数即基于稀疏表示的鲁棒半监督图像分类模型为： s.t.Fl＝Yl,F≥0,F1＝1 其中，W为分类器，b为分类偏置；xi为矩阵X的第i列，表示第i个样本；c为分类类数；Fl＝Yl表示F中有l个标签，其余n-l个无标签；r为参数；tj为矩阵T的第j列向量，tj除第j行为1外各行均为0，p为大于0的参数； 步骤4、初始化指示矩阵T： 步骤5、固定W,b，通过如下表达式按元素更新矩阵F： 按元素计算中间量矩阵M， 步骤6、固定F,b，通过如下表达式更新矩阵W； 步骤7、固定F,W，通过如下表达式更新向量b： 步骤8：循环步骤5～步骤7，直到目标函数的值收敛，输出分类器W，偏置b和分类隶属度矩阵F，其中，F每一行对应一个样本，每一行中最大值所在的列数代表该样本属于的类别； 步骤9：利用训练得到的W和b，代入公式得到测试集中各样本在分类空间中与类别向量之间的距离的平方，最小值所在列数即为该样本所属的类别，从而完成对测试集数据进行分类。

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西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127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。