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！

龙图腾网获悉广东工业大学申请的专利一种基于自适应B+树索引的在线增量学习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：CN120763364B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202510875423.6，技术领域涉及：G06F16/901；该发明授权一种基于自适应B+树索引的在线增量学习方法及系统是由胡振荣;李建平;申建芳设计研发完成，并于2025-06-27向国家知识产权局提交的专利申请。

本一种基于自适应B+树索引的在线增量学习方法及系统在说明书摘要公布了：本发明公开了一种基于自适应B+树索引的在线增量学习方法及系统，涉及人工智能技术领域，方法包括：构建扩展型自适应B+树索引结构，插入新样本并计算轨迹扰动值；结合扰动值与节点状态生成扰动评分，满足条件时将新样本及关联节点样本加入增量学习调度队列；在节点分裂、合并或重构事件发生时获取受影响节点并更新其结构编码；监测样本标签轨迹变化，超出阈值时调整标签置信标记并根据筛查机制限制参与频率；对访问频率低且标签波动程度小的叶子节点执行遗忘压缩操作。通过构建自适应B+树索引，结合扰动驱动调度、结构变动响应与遗忘压缩策略，实现样本管理精细化、学习更新高效化与结构维护可控化，提升在线增量学习的稳定性与资源利用效率。

本发明授权一种基于自适应B+树索引的在线增量学习方法及系统在权利要求书中公布了：1.一种基于自适应B+树索引的在线增量学习方法，其特征在于，包括： S1：构建扩展型自适应B+树索引结构，其中，叶子节点中存储的样本字段包括特征向量、时间戳、标签、标签置信标记和结构编码，叶子节点的状态参数包括访问次数、标签波动程度和结构演化速率；所述特征向量是将样本的原始数据通过特征提取函数映射为多维空间中的向量表示，是样本的高维表示，用于分类、回归等任务的输入，其中，原始样本数据包括图像、文本； S2：获取新样本的特征向量，插入B+树索引结构，根据新样本的插入路径与历史样本插入路径的序列差异计算轨迹扰动值； S3：当新样本插入B+树索引结构时，根据轨迹扰动值和叶子节点的状态参数生成扰动评分，当大于第一阈值且标签置信标记为可信或不稳定时，将新样本和叶子节点的样本集合加入增量学习调度队列； S4：当节点分裂、合并或重构操作触发结构变动事件时，获取受影响的节点子集，更新子集中节点的结构编码； S5：获取样本的标签轨迹，对标签轨迹变化大于第二阈值的样本进行标签置信标记更新，将标签置信标记更新为不稳定或可疑，根据预设的半监督筛查机制限制样本的参与频率； S6：对访问频率小于第三阈值且标签波动程度小于第四阈值的叶子节点进行遗忘压缩操作，删除节点中的样本； 步骤S2包括： 获取新样本的特征向量，按照预设的索引规则将特征向量插入至自适应B+树索引结构中，在插入过程中记录经过的节点序列，生成插入路径； 从索引结构中调取预设数量的历史样本插入路径，历史样本插入路径由历史样本插入过程中记录的节点访问序列构成； 将插入路径与历史样本插入路径进行序列差异比较，基于节点序列的编辑距离、跳跃深度和结构嵌入向量之间的距离计算轨迹扰动值，当索引结构中不存在历史样本时，将轨迹扰动值设置为最大值； 步骤S3包括： 当新样本插入B+树索引结构时，获取轨迹扰动值和新样本所在叶子节点的标签波动程度和结构演化速率； 根据轨迹扰动值、标签波动程度和结构演化速率进行联合分析，生成扰动评分； 当扰动评分大于预设的第一阈值，且叶子节点中样本的标签置信标记为可信或不稳定时，将新样本和叶子节点中的样本集合加入增量学习调度队列。

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广东工业大学，其通讯地址为：510006 广东省广州市番禺区广州大学城外环西路100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。