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！

龙图腾网获悉龙岩学院申请的专利一种自适应权重多模态融合的生物特征智能分类预测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：CN121030422B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202511563850.7，技术领域涉及：G06F18/24；该发明授权一种自适应权重多模态融合的生物特征智能分类预测方法是由王清辉;曾忠恺;曾玮;刘凤琳;陈阳;兰金楷;杜少毅;陈梁洁;江晓玲;华何柳;陈宁华;张百祥;吴文宝;潘丽英;陈衍贵设计研发完成，并于2025-10-30向国家知识产权局提交的专利申请。

本一种自适应权重多模态融合的生物特征智能分类预测方法在说明书摘要公布了：本发明公开了一种自适应权重多模态融合的生物特征智能分类预测方法，属于医疗保健信息技术领域，包括以下步骤：对多模态生物特征进行维度对齐和标准化映射，得到稳定特征集；接着通过降维策略实现冗余优化与特征融合；最终，融合特征输入分类器进行预测，并结合冗余操作计数生成置信度分数，本发明提供的一种自适应权重多模态融合的生物特征智能分类预测方法，实现了高效、稳健、可控的智能分类，不仅能够充分利用多模态特征的互补信息，提高特征表达的判别力，还能通过动态冗余检测和自适应调节消除无效或重复信息，降低噪声干扰，从而显著提升分类准确性和稳定性。同时，提供置信度量化与不确定性提示功能，使预测结果更可靠。

本发明授权一种自适应权重多模态融合的生物特征智能分类预测方法在权利要求书中公布了：1.一种自适应权重多模态融合的生物特征智能分类预测方法，其特征在于，所述方法包括： 获取多模态生物特征后进行维度对齐，获取初始特征集，筛分得到稳定特征集，执行稳定特征集的特征融合； 所述筛分得到稳定特征集，包括：将初始特征集通过多轮随机抽样和交叉验证，得到初始特征集的特征选择结果，并对每轮训练得到的特征选择结果进行频次统计和权重方差分析，计算特征在不同特征选择结果间的选中概率； 若某特征在多次训练中选中概率大于或等于预设的选中概率阈值且权重方差小于或等于权重方差阈值，则标记为稳定特征，反之，则标记为不稳定特征； 将不稳定特征从初始特征集中剔除，得到稳定特征集； 确定冗余检测间隔时长，由此在稳定特征集的特征融合过程中，进行稳定特征集的冗余度检测，并确定冗余调节策略并执行，包括：获得稳定特征集后，获取稳定特征集的特征数目； 根据稳定特征集的特征数目确定稳定特征集的冗余度检测间隔时长，基于检测间隔时长开始进行稳定特征集的冗余度检测； 采集稳定特征集的冗余依赖参数，包括平均互相关系数、平均互信息量和平均方差膨胀因子； 根据冗余依赖参数分析稳定特征集的冗余度； 所述稳定特征集的冗余度为互相关系数、互信息量和平均方差膨胀因子共同对稳定特征集整体冗余信息的量化指标，具体分析过程如下：将平均互相关系数、平均互信息量和平均方差膨胀因子分别结合对应的贡献系数进行加权处理后，得到稳定特征集的冗余度；提取冗余度阈值； 若稳定特征集的冗余度大于或等于冗余度阈值时，将冗余调节策略确定为高冗余压缩，高冗余压缩是将稳定特征集分为高相关特征子集，在高相关特征子集里面确定可压缩子集，压缩后进行特征融合； 其中，基于稳定特征集计算特征间的皮尔逊相关系数，记为特征间相关系数，将特征间相关系数大于或等于数据库中预设的特征间相关系数阈值的特征归为同一集合，记为高相关特征子集； 当稳定特征集的冗余度小于冗余度阈值，则继续进行稳定特征集的特征融合过程； 完成稳定特征集的特征融合后，再次进行稳定特征集的冗余度检测，判断冗余度二次调节策略并执行； 接收生物特征智能分类预测可执行信号后，进行生物特征智能分类预测，生成置信度分数和预测结果。

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龙岩学院，其通讯地址为：364012 福建省龙岩市新罗区东肖北路1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。