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！

龙图腾网获悉浙江大学申请的专利基于源域数据筛选和训练特征约束的跨用户活动识别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：CN116628571B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202310544554.7，技术领域涉及：G06F18/241；该发明授权基于源域数据筛选和训练特征约束的跨用户活动识别方法是由潘赟;付豪;杨哲设计研发完成，并于2023-05-12向国家知识产权局提交的专利申请。

本基于源域数据筛选和训练特征约束的跨用户活动识别方法在说明书摘要公布了：本发明公开了一种基于源域数据筛选和训练特征约束的跨用户活动识别方法，通过最优传输距离计算不同用户的数据分布，并根据用户的分布距离进行源域数据筛选，降低域适应不良迁移的问题。在筛选出的源域数据中进行数据增强，使源域数据分布更加连续，同时缓解源域数据减少的影响。然后构建正则化随机丢弃损失、分类损失和层级特征最大均值误差的联合损失训练网络模型，通过训练特征约束以及层级特征最大均值误差对齐的方法，实现更好的域适应效果。本发明提升了模型在跨用户活动识别中的泛化能力。

本发明授权基于源域数据筛选和训练特征约束的跨用户活动识别方法在权利要求书中公布了：1.一种基于源域数据筛选和训练特征约束的跨用户活动识别方法，其特征在于，所述基于源域数据筛选和训练特征约束的跨用户活动识别方法，包括： 获取不同用户的用户数据，基于最优传输距离计算不同用户数据之间的分布差距，得到距离矩阵； 将用户数据划分为源域用户数据和目标用户数据，基于距离矩阵筛选源域用户数据，对筛选后的源域用户数据应用线性数据增强； 对最终得到的源域用户数据进行数据预处理和滑窗分段得到训练集的样本，并对目标用户数据进行数据预处理和滑窗分段得到测试集的样本； 构建包括特征提取器和动作分类器的卷积神经网络模型，将训练集的样本分两次输入到特征提取器提取得到第一特征和第二特征，计算正则化随机丢弃损失，并将第一特征经过动作分类器得到动作分类，计算得到分类损失； 将目标用户数据对应的测试集的样本通过特征提取器提取层级特征，与源域用户数据对应的训练集的样本通过特征提取器提取到的层级特征进行最大均值误差对齐，计算得到层级特征最大均值误差； 计算包括正则化随机丢弃损失、分类损失和层级特征最大均值误差的联合损失，进行反向传播，完成卷积神经网络模型的训练，将待识别用户数据输入到训练好的卷积神经网络模型，得到识别结果； 其中，所述基于距离矩阵筛选源域用户数据，对筛选后的源域用户数据应用线性数据增强，包括： 确定筛选阈值k； 从源域用户数据中丢弃k个与目标用户数据差异大的用户数据； 对筛选后的源域用户数据应用线性数据增强。

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浙江大学，其通讯地址为：310030 浙江省杭州市西湖区余杭塘路866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。