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基于样本缺失标签增强的多标签学习方法、装置和设备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：CN116777006B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202310813822.0，技术领域涉及：G06N20/00；该发明授权基于样本缺失标签增强的多标签学习方法、装置和设备是由房小兆;吕炜俊;曾峙翔;胡曦;刘源源;周郭许设计研发完成，并于2023-07-04向国家知识产权局提交的专利申请。

本基于样本缺失标签增强的多标签学习方法、装置和设备在说明书摘要公布了：本申请涉及一种基于样本缺失标签增强的多标签学习方法、装置和设备，该方法包括获取缺失标签样本的训练数据集；对训练数据集进行预处理，得到恢复真实标签的处理训练集；根据处理训练集采用算法适应策略进行学习、聚合处理，得到多标签学习的分类器；将分类器作为标签预测模型；将待预测样本输入标签预测模型中，得到与待预测样本对应的标签。该方法通过获得恢复真实标签的处理训练集，实现标签信息的增强；之后采用算法适应策略对处理训练集进行诱导，得到考虑处理训练集中类不平衡问题的分类器；基于分类器构建标签预测模型解决了多标签类不平衡的问题，也提高了预测标签的精度和准确性。

本发明授权基于样本缺失标签增强的多标签学习方法、装置和设备在权利要求书中公布了：1.一种基于样本缺失标签增强的多标签学习方法，其特征在于，包括以下步骤： 获取缺失标签样本的训练数据集，所述缺失标签样本为图像； 对所述训练数据集进行预处理，得到恢复真实标签的处理训练集； 根据所述处理训练集采用算法适应策略进行分类、聚合处理，得到多标签学习的分类器； 将所述分类器作为标签预测模型；将待预测样本输入标签预测模型中，得到与待预测样本对应的标签； 对所述训练数据集进行预处理，得到恢复真实标签的处理训练集包括： 采用低秩约束的张量奇异值分解方式对所述训练数据集进行优化处理，得到缺失标签样本的相关性数据； 采用映射模型对所述训练数据集进行处理，得到映射数据； 根据所述映射数据、所述相关性数据和所述训练数据集，构建优化模型； 对所述优化模型采用一阶梯度拟牛顿法进行迭代更新收敛计算，得到标签分布的映射最优参数；根据所述映射最优参数采用阈值化对所述映射数据处理，得到恢复真实标签的处理训练集； 根据所述处理训练集采用算法适应策略进行分类、聚合处理，得到多标签学习的分类器包括： 根据每类标签按正缺失标签样本和负缺失标签样本对所述处理训练集进行分类，得到分类数据集； 从所述分类数据集选取第l类的真实标签和第k类的真实标签，并将第k类的真实标签与第l类的真实标签进行交叉耦合，得到标签的耦合数据集，； 采用K个多类不平衡学习器对所有所述耦合数据集进行学习后再耦合处理，得到多标签学习的分类器； 所述优化模型为： 式中，n为训练数据集中缺失标签样本的总数，yi为第i个缺失标签样本的q维逻辑二值标签向量，，为权重矩阵，为偏置向量，为相关性数据，Y为训练数据集的标签矩阵，I为单位矩阵，T为矩阵的转置，，为高斯核函数将第i个缺失标签样本的d维实值向量嵌入到高维空间，||||F为矩阵的F范数，为标签分布矩阵，为平衡参数。

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：510060 广东省广州市越秀区东风东路729号大院；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。