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！

龙图腾网获悉苏州工学院申请的专利图像分类模型的训练方法、图像分类方法及装置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：CN120635600B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202511120786.5，技术领域涉及：G06V10/764；该发明授权图像分类模型的训练方法、图像分类方法及装置是由仲泓宇;顾苏杭;鲁明丽;从金亮;丑永新;龚烨飞设计研发完成，并于2025-08-12向国家知识产权局提交的专利申请。

本图像分类模型的训练方法、图像分类方法及装置在说明书摘要公布了：本公开涉及图像分类领域，提供一种图像分类模型的训练方法、图像分类方法及装置。本公开将多个TSK模糊分类器分别作为一层子单元，通过逐层级联的方式将多层子单元构建为图像分类模型，利用对模型性能起较大影响作用的TSK模糊规则，基于TSK模糊规则间的关联关系确定的重要性模糊规则逐层更新每一层子单元的输入。由于考虑了TSK模糊规则间的关联，对分类性能影响较大的TSK模糊规则将具有更大的权重，且利用重要性模糊规则逐层更新子单元的输入，可提升不同类样本的可区分度，故图像分类模型可有效地逐层提高分类性能并具有优秀的泛化能力，在解决大规模图像的分类问题时能取得更高水平的性能，提高了大规模图像的分类精度。

本发明授权图像分类模型的训练方法、图像分类方法及装置在权利要求书中公布了：1.一种图像分类模型的训练方法，其特征在于，所述图像分类模型的训练方法包括： 获取图像分类数据集，将所述图像分类数据集按比例随机划分为训练集和测试集，其中，所述图像分类数据集包括多个携带有真实标签的图像样本； 将多个TSK模糊分类器分别作为一层子单元，通过逐层级联的方式将多层所述子单元构建为图像分类模型； 在训练阶段，针对每一层子单元：基于TSK模糊规则间的关联关系，确定对应的强化后TSK模糊规则后件；基于所述强化后TSK模糊规则后件，确定输入的训练样本集中每个图像样本的预测结果；基于训练样本集中每个图像样本的预测结果以及重要性模糊规则确定的训练误差梯度，对训练样本集进行更新，将更新后的训练样本集作为输入下一层子单元的训练样本集；其中，输入第一层子单元的训练样本集为所述训练集； 在测试阶段，针对每一层子单元：基于在所述训练阶段确定出的所述强化后TSK模糊规则后件，确定输入的测试样本集中每个图像样本的预测结果；基于测试样本集中每个图像样本的预测结果以及重要性模糊规则确定的测试误差梯度，对测试样本集进行更新，将更新后的测试样本集作为输入下一层子单元的测试样本集；其中，输入第一层子单元的测试样本集为所述测试集； 所述基于TSK模糊规则间的关联关系，确定对应的强化后TSK模糊规则后件，包括： 利用FCM算法，生成TSK模糊规则的前件； 根据TSK模糊规则的前件，确定输入的训练样本集中每个图像样本对应的每一条TSK模糊规则的激活度及相应的归一化激活度； 根据训练样本集中每个图像样本对应的每一条TSK模糊规则的归一化激活度，确定训练样本集的前件矩阵； 根据训练样本集的前件矩阵，利用最小二乘法，确定TSK模糊规则的后件向量； 将TSK模糊规则的后件向量转换为对应的TSK模糊规则的后件矩阵； 根据TSK模糊规则的后件矩阵，确定TSK模糊规则关联矩阵； 根据TSK模糊规则关联矩阵，确定对应的强化后TSK模糊规则后件矩阵。

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苏州工学院，其通讯地址为：215500 江苏省苏州市常熟市南三环路99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”。