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！

龙图腾网获悉华东交通大学申请的专利一种基于自编码器与决策树的图像分类方法与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：CN116246102B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202310070830.0，技术领域涉及：G06V10/764；该发明授权一种基于自编码器与决策树的图像分类方法与系统是由黄祎婧;王辉;黄宇廷;韩星宇;曹学儒;范自柱设计研发完成，并于2023-02-07向国家知识产权局提交的专利申请。

本一种基于自编码器与决策树的图像分类方法与系统在说明书摘要公布了：一种基于自编码器与决策树的图像分类方法与系统，该方法包括：采集图像样本数据，转换图像样本为像素信息矩阵向量；利用自编码器网络模型，学习图像样本的表征信息，使用编码器压缩并提取图像样本的低维特征信息；在迭代求解自编码器网络最优权重参数的过程中更新每个样本对应的最近邻数值；基于训练好的自编码器网络模型中提取的低维样本特征信息，结合迭代获取的样本最近邻数值作为对应的样本标签构建决策树模型；利用自编码器获得新样本的低维特征信息并输入决策树获得最近邻数值，在训练集中寻找最近邻领域，将最近邻领域中数量最多的类别作为预测结果。本发明可以得到目标的低维特征信息，并预测样本的类别，预测结果具有可解释性。

本发明授权一种基于自编码器与决策树的图像分类方法与系统在权利要求书中公布了：1.一种基于自编码器与决策树的图像分类方法，其特征在于，所述方法包括以下步骤： 1采集数据，获取原始RGB图像数据，转换图像样本为像素信息矩阵向量； 2将收集的图像数据输入自编码器，使用前馈神经网络，通过编码器和解码器对图像样本进行自编码器的表征学习，并利用编码器部分提取图像样本的低维结构特征信息；根据样本图像数据构建网络，对网络的损失函数添加稀疏性约束和相关性约束，并采用迭代的方式对自编码网络的权重参数进行更新； 3在求解网络最优权重参数的迭代过程中，基于编码器获得的低维样本向量计算图像样本之间的距离，在最近邻距离的约束更新每个图像样本对应的最近邻数值； 4基于训练好的自编码器网络模型中的编码器，提取样本的低维特征信息，结合迭代获取的样本最近邻数值作为对应的样本标签，使用CART方法构建以最近邻数值为叶子节点的决策树，同时调整自编码器网络的参数； 5利用自编码器获得新样本的低维特征信息并输入决策树获得最近邻数值，通过KNN搜索训练样本的最近邻领域，将最近邻领域中数量最多的类别作为预测结果。

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华东交通大学，其通讯地址为：330013 江西省南昌市经济技术开发区双港东大街808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”。