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最优传输的多域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：CN119293579B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202411308959.1，技术领域涉及：G06F18/241；该发明授权一种基于最优传输的多域数据分类方法及系统是由闫玉光;陈梓瀚;陈志伟;蔡瑞初设计研发完成，并于2024-09-19向国家知识产权局提交的专利申请。

本一种基于最优传输的多域数据分类方法及系统在说明书摘要公布了：本发明涉及多域数据交互的技术领域，公开了一种基于最优传输的多域数据分类方法及系统，包括以下具体步骤：获取不同域的带属性的数据；对带属性的数据进行预处理，构造图数据；考虑域内和域间搬运的代价及约束条件，设置最优传输目标函数、得到域间样本最优传输方案；利用域间样本最优传输方案合并域；将合并后的域输入到图神经网络，获得节点表示；具体的，通过将合并后的域输入到图神经网络后，图神经网络的每一层将合并后的域的邻接矩阵和原始属性输入到图神经网络中，获得节点表示；基于节点表示，获得分类结果。本发明解决了现有分类技术忽略边中的结构信息的问题，且具有能够提升数据表征学习效率和分类准确率的特点。

本发明授权一种基于最优传输的多域数据分类方法及系统在权利要求书中公布了：1.一种基于最优传输的多域数据分类方法，其特征在于：包括以下具体步骤： S1：获取不同域的带属性的数据； S2：对带属性的数据进行预处理，构造图数据； S3：考虑域内和域间搬运的代价及约束条件，设置最优传输目标函数、得到域间样本最优传输方案，其具体步骤为： S31：设置最优传输目标函数： 将数据在域内和域间搬运的代价及约束条件作为输入； 搬运代价具体为： 其中，表示域内的搬运代价，表示样本之间的距离度量，在图上定义为两个节点之间的最短路径，表示域内的第i个样本；表示域间的搬运代价，表示属性之间的距离度量，定义为两个属性之间的欧氏距离，表示源域内第个样本的属性，表示目标域内第个样本的属性； 约束条件具体为： 其中，表示域内的样本的贡献度，表示最优传输方案，表示矩阵的转置，1为元素值全为1的列向量； 目标函数具体为： 其中，表示传输方案，表示传输方案的最优值，表示输入之间的内积，表示调节参数，表示L2范数； S32：对目标函数进行优化，获得最优传输方案： 在第i步时，计算目标函数对第i-1步的梯度： 线性规划求解问题： 线搜索得到权重，更新传输方案： 其中，为第i步的传输方案，为第i步的权重； S4：利用域间样本最优传输方案合并域，具体方法为： S41：利用最优传输方案，将属性由源域搬运至目标域，作为源域数据在目标域上的最优表示，与目标域样本属性协同： 搬运源域属性具体为： 其中，为搬运后源域样本的属性，表示保留矩阵的对角元素并求逆，为最优传输方案，1为元素值全为1的列向量，为目标域样本的属性； 合并源域和目标域属性具体为： 其中，为合并后所有样本的属性； S42：利用最优传输方案，将结构由源域搬运至目标域，作为源域数据在目标域上的最优表示，与目标域样本间结构协同： 搬运源域结构具体为： 其中，为搬运后源域样本的邻接矩阵，表示源域内的样本的贡献度，为最优传输方案，为目标域样本的邻接矩阵，表示矩阵的转置； 合并源域和目标域结构具体为： 其中，为合并后所有样本间的邻接矩阵； S5：将合并后的域输入到图神经网络，获得节点表示； 具体的，通过将合并后的域输入到图神经网络后，图神经网络的每一层将合并后的域的邻接矩阵和原始属性输入到图神经网络中，获得节点表示； S6：基于节点表示，获得分类结果。

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：510080 广东省广州市越秀区东风东路729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。