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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于半监督类增量学习的音频分类方法和装置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：CN115795087B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202211676823.7，技术领域涉及：G06F16/65；该发明授权基于半监督类增量学习的音频分类方法和装置是由许可乐;王强;王怀民;史佩昌;冯大为;王涛设计研发完成，并于2022-12-26向国家知识产权局提交的专利申请。

本基于半监督类增量学习的音频分类方法和装置在说明书摘要公布了：本申请涉及一种基于半监督类增量学习的音频分类方法和装置。通过获取待分类的音频数据，将待分类的音频数据输入至基于时序一致性正则化方法和损失函数算法，在有序序列任务集合对应的数据集上逐项任务训练得到的模型，并进行半监督类增量学习，得到待分类的音频数据的分类标签，完成对音频的分类。本发明通过半监督类增量音频分类模型的时序一致性正则化方法对模型的参数持续更新，保证了模型与数据集中的音频信号样本的匹配度越来越高，从而保证模型在分类时越来越准确；通过存储在半监督类增量音频分类模型的损失函数算法过程中产生的音频样本，有效的预防了模型在学习过程中产生灾难性遗忘的问题，保障了模型在进行音频分类时的稳定性。

本发明授权基于半监督类增量学习的音频分类方法和装置在权利要求书中公布了：1.一种基于半监督类增量学习的音频分类方法，其特征在于，所述方法包括： 获取待分类的音频数据； 调用训练完毕的半监督类增量音频分类模型；所述半监督类增量音频分类模型为采用有序序列任务集合和所述序列任务集合对应的数据集，基于时序一致性正则化方法和损失函数算法对深度神经网络模型逐项任务训练得到； 将所述待分类的音频数据输入所述半监督类增量音频分类模型进行半监督类增量学习，得到所述待分类的音频数据的分类标签； 其中，所述半监督类增量音频分类模型的训练过程，包括： 获取所述序列任务集合及与所述序列任务集合对应的数据集，初始化深度神经网络模型和重放样本缓冲池； 提取所述序列任务集合中当前任务对应的当前数据集，利用所述损失函数算法对所述当前数据集进行计算得到总损失函数，将计算过程中产生的有效伪标签对应的样本存储至所述重放样本缓冲池；所述总损失函数包括监督学习交叉熵损失函数与半监督交叉熵损失函数； 利用所述总损失函数结合时序一致性正则化方法对所述深度神经网络模型进行参数的梯度更新，完成深度神经网络模型当前次训练并得到新参数； 得到所述新参数后，返回提取所述序列任务集合中当前任务对应的当前数据集，利用所述损失函数算法对所述当前数据集进行计算得到总损失函数的步骤，进行模型的下一个数据集训练； 当所述深度神经网络模型在所述序列任务合集上完成了所有序列任务的训练后，得到所述半监督类增量音频分类模型。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。