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！

龙图腾网获悉江西农业大学申请的专利一种偏标记特征选择方法及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：CN120180063B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202510645424.1，技术领域涉及：G06F30/27；该发明授权一种偏标记特征选择方法及系统是由钱文彬;丁姣;舒文豪设计研发完成，并于2025-05-20向国家知识产权局提交的专利申请。

本一种偏标记特征选择方法及系统在说明书摘要公布了：本发明提供一种偏标记特征选择方法及系统，方法包括：获取若干个候选特征，及与其对应的若干个邻近标签及干个标记标签，以获取与候选特征对应的初始置信度；获取候选特征的更新置信度，进而获取最终置信度；获取与候选特征对应的候选特征矩阵，获取候选聚类中心及总聚类中心，进而获取与候选特征的紧密度，通过紧密度自若干个候选特征中选定若干个阶段特征，获取阶段特征的悲观依赖度及乐观依赖度，基于最终置信度、悲观依赖度及乐观依赖度获取阶段特征的重要性评估值，以获取最优特征。通过上述方式提高了识别可辨识特征的能力，克服了假阳性标记对单模态依赖度的干扰，显著提升特征重要性评估的鲁棒性。

本发明授权一种偏标记特征选择方法及系统在权利要求书中公布了：1.一种偏标记特征选择方法，用于筛选画作的作者，其特征在于，包括以下步骤： 获取偏标记数据集，所述偏标记数据集对应画作，所述偏标记数据集包括若干个候选特征，所述候选特征为表征作者名称的特征向量，获取与所述候选特征对应邻近标签集及全量标签集，所述邻近标签集包括若干个邻近标签，所述邻近标签为表征构图、大小、色彩、形状、线条的标签向量，所述全量标签集包括若干个标记标签，所述邻近标签集被包含于所述全量标签集中，基于所述邻近标签及所述标记标签获取所述候选特征的初始置信度； 获取所述候选特征的更新置信度，基于所述初始置信度及所述更新置信度获取与所述候选特征对应的最终置信度； 构建包括若干个子维度空间的特征空间，将所述候选特征映射至所述特征空间，以获取与所述候选特征对应的候选特征矩阵，获取与所述候选特征矩阵对应的候选聚类中心，并获取全部的所述候选特征矩阵的总聚类中心； 基于所述候选聚类中心及所述总聚类中心获取每一所述候选特征的紧密度，通过所述紧密度自若干个所述候选特征中选定若干个阶段特征，获取所述阶段特征的悲观依赖度及乐观依赖度，基于所述最终置信度、所述悲观依赖度及所述乐观依赖度获取所述阶段特征的重要性评估值，基于所述重要性评估值自若干个所述阶段特征中选定最优特征； 所述通过所述紧密度自若干个所述候选特征中选定若干个阶段特征的步骤包括： 将其一所述候选特征选定为第一中间特征，并将剩余的所述候选特征均选定为第二中间特征，分别获取所述第一中间特征与全部的所述第二中间特征之间的紧密度差值； 将所述紧密度差值与差值阈值进行比对，将与小于所述差值阈值的所述紧密度差值对应的第二中间特征选定为待并特征，将所述第一中间特征与所述待并特征合并为动态粒度层级； 获取所述动态粒度层的紧密度均值，将紧密度均值最大的所述动态粒度层选定为阶段粒度层，将所述阶段粒度层中的若干个候选特征均选定为阶段特征； 所述获取所述阶段特征的悲观依赖度及乐观依赖度的步骤包括： 将其一所述阶段特征选定为待识别特征，将剩余的所述阶段特征选定为参考特征，将与所述待识别特征对应的邻近标签选定为待识别标签集，并将与所述参考特征对应的邻近标签选定为参考标签集； 将所述待识别标签集与全部的所述参考标签集进行比对，若所述待识别标签集中的某一邻近标签存在于全部的所述参考标签集中，则将该所述邻近标签选定为确定正区域，若所述待识别标签集中的某一邻近标签存在于部分所述参考标签集中，则将该所述邻近标签选定为边界区域； 基于所述确定正区域获取所述待识别特征的悲观依赖度，并基于所述确定正区域及所述边界区域获取所述待识别特征的乐观依赖度。

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江西农业大学，其通讯地址为：330045 江西省南昌市昌北经济技术开发区志敏大道1101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”。