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！

龙图腾网获悉南京航空航天大学申请的专利一种基于伪标签半监督学习的图像分类方法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：CN116912567B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202310838361.2，技术领域涉及：G06V10/764；该发明授权一种基于伪标签半监督学习的图像分类方法是由李宗盛;杜祥通;邓海;郝洁设计研发完成，并于2023-07-09向国家知识产权局提交的专利申请。

本一种基于伪标签半监督学习的图像分类方法在说明书摘要公布了：本发明公开了一种基于伪标签半监督学习的图像分类方法，所述方法首先是对于FCM聚类算法的标签分配策略进行改进，可以生成各个数据带标签的隶属度，并将其与self‑training半监督方法结合，提出新的半监督训练算法SST，提升了半监督训练的训练结果。本发明所述方法应用于医学影像分类处理，提高医疗的诊断效率。

本发明授权一种基于伪标签半监督学习的图像分类方法在权利要求书中公布了：1.一种基于伪标签半监督学习的图像分类方法，其特征在于，该方法通过SFCM聚类算法生成各个数据带标签的隶属度，并将其与半监督算法self-training结合，得到半监督训练算法SST，从而实现图像分类； 所述SFCM聚类算法，用于稳定地生成带有标签的隶属度矩阵，包括如下： 首先初始化一个新的聚类中心集合Q，其中每个元素都是一个空列表，用于存储每个样本目前所属的聚类中心的标签；接着，对于每个聚类中心，找到所有目前属于该聚类中心的样本的真实类别，并选取出现次数最多的真实类别作为该聚类中心的真实类别；如果该聚类中心的真实类别已经被分配到了其他聚类中心，则继续找出现次数第二多的真实类别，直到找到一个还没有被分配的真实类别为止；如果所有真实类别都已经被分配到了其他聚类中心，则将该聚类中心分配到一个空闲的聚类中心中；最后返回新的聚类中心集合Q； 该方法将self-training进行分析和拆解，并与SFCM聚类算法结合，具体是利用PCA主成分分析对特征进行降维，将得到的特征输入到SFCM中，得到隶属度概率，将其与分类器得到的软标签进行加权平均，从而获得高置信度的伪标签； 所述的半监督训练算法SST的训练包括如下步骤： a首先把未标注数据和标注数据进行PCA降维，输入到神经网络提取特征，将得到的特征进行SFCM聚类，得到每个数据的隶属度概率值； b把标注数据输入到ResNet18模型，训练得到分类器； c把未标注数据输入到新训练的分类器，得到软标签； d对于每个元素，将分类器输出的软标签和a中得到的隶属度概率进行加权平均，得到鲁棒性高的新的软标签； e选出置信度符合要求的元素，将新的软标签中概率最大的那个类别作为该元素的伪标签，使其作为新标注数据，将其加入到标注数据集合中，并从未标注数据集合中删除； f重复步骤a-e，直到新标记数据的数量少于预设值。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市江宁区将军大道29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”。

以上内容由龙图腾AI智能生成。