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！

龙图腾网获悉湖南工程学院申请的专利一种基于图嵌入极限学习机的图像分类方法、装置及介质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：CN116486174B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202310508021.3，技术领域涉及：G06V10/764；该发明授权一种基于图嵌入极限学习机的图像分类方法、装置及介质是由吴迪;肖衍;章银萍;赵品懿;刘志辉;陈子涵;甘升隆设计研发完成，并于2023-05-08向国家知识产权局提交的专利申请。

本一种基于图嵌入极限学习机的图像分类方法、装置及介质在说明书摘要公布了：本发明公开了一种基于图嵌入极限学习机的图像分类方法、装置及介质，所述方法步骤如下：步骤S1：获取数据集并对其进行预处理，得到训练集和测试集；步骤S2：采用多层图嵌入极限学习机算法对训练集进行模型训练，得到分类模型；步骤S3：将测试集输入所述分类模型，得到图像分类结果。本发明结合图嵌入方法提出一种新的极限学习机自动编码器，通过重新定义特征空间中数据特征重构误差函数，根据标签信息增加特征聚合能力，提取局部特征能力，增强特征表示能力；在损失函数上嵌入基于图的惩罚项，在ELM特征空间将缩小类内间距、增大类间距离，提取特征全局结构信息，从而在特征空间中找出更有效的判别边界。

本发明授权一种基于图嵌入极限学习机的图像分类方法、装置及介质在权利要求书中公布了：1.一种基于图嵌入极限学习机的图像分类方法，其特征在于，步骤如下： 步骤S1：获取数据集并对其进行预处理，得到训练集和测试集； 步骤S2：采用多层图嵌入极限学习机算法对训练集进行模型训练，得到分类模型； 步骤S3：将测试集输入所述分类模型，得到图像分类结果； 其中，步骤S2中的多层图嵌入极限学习机算法具体是：构建多个图嵌入自动编码器，将图嵌入自动编码器以循环的方式形成信息交互，转化为多层图嵌入极限学习机，将单个图嵌入自动编码器作为子节点，所述训练集中的数据通过所述子节点输出至下一层网络，得到信息交互的权值输出，采用逐层最优的方法训练多层网络，得到最终的特征输出； 所述图嵌入自动编码器包括以下步骤： 1获取训练集中的数据并设置激活函数；其中，X＝[x1,...,xN]；xi表示数据中第i个样本，xi∈Rd，d表示每个样本特征维度；T＝[t1,…,tN]；ti表示数据中第i个类别，ti∈Rf；N表示数据量；f表示每个类别特征维度； 2计算重构误差权重wij；生成图嵌入矩阵S；初始化权重参数A，A∈RD×L，D表示误差权重的对角矩阵，L为隐层节点数量； 3计算优化后的输出权值β，表达式如下： β＝[HTDH+IL+λSC]-1HTWX； 其中，I表示单位矩阵，λ表示平衡参数，C表示正则化系数，H表示隐层输出矩阵； 所述重构误差权重wij的计算表达式如下： 其中，表示基于样本xi邻域内类别t所有特征集合，设置近邻点个数为P，ω为所有成对输入数据平方距离中位数； 所述多层图嵌入极限学习机中的训练方法具体是：对数据集中的数据基于图嵌入自动编码器从k＝1到k＝K进行循环计算，取第K次信息交互的输出为最终的特征输出，表达式如下： Hk＝gGk-1βkT； 其中，Hk表示第k次输出矩阵的特征表示；Gk＝σ∑fGk-1,Gk-2，σ表示缩放参数，Gk表示第k次信息交互的输入或者第k-1次信息交互的输出；βk表示第k次信息交互的输出权值；T表示矩阵转置。

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湖南工程学院，其通讯地址为：411101 湖南省湘潭市福星东路88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”。