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！

龙图腾网获悉中山大学申请的专利一种适用于开放世界的无范例类增量学习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：CN119577574B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202411611059.4，技术领域涉及：G06F18/2415；该发明授权一种适用于开放世界的无范例类增量学习方法及系统是由罗涵;常晓斌设计研发完成，并于2024-11-12向国家知识产权局提交的专利申请。

本一种适用于开放世界的无范例类增量学习方法及系统在说明书摘要公布了：本发明公开了一种适用于开放世界的无范例类增量学习方法及系统，方法包括：根据获取到开放世界的无范例类的待处理数据集，对所述待处理数据集进行增量学习，得到初步分类模型；根据增量学习的结果，对所述初步分类模型进行分布外检测与自适应阈值优化，识别出分布外样本和分布内样本；根据所述分布外样本和所述分布内样本，分别进行对应的分布外检测处理和分布内分类处理，构建最终的目标分类模型。本发明实施例能够准确识别出分布外样本，具备良好的鲁棒性和泛化能力，可广泛应用于计算机技术领域。

本发明授权一种适用于开放世界的无范例类增量学习方法及系统在权利要求书中公布了：1.一种适用于开放世界的无范例类增量学习方法，其特征在于，包括以下步骤： 根据获取到开放世界的无范例类的待处理数据集，对所述待处理数据集进行增量学习，得到初步分类模型； 根据增量学习的结果，对所述初步分类模型进行分布外检测与自适应阈值优化，识别出分布外样本和分布内样本； 根据所述分布外样本和所述分布内样本，分别进行对应的分布外检测处理和分布内分类处理，构建最终的目标分类模型； 所述对所述待处理数据集进行增量学习，包括以下步骤： 在每一个任务到来时，从新任务的分布内样本中学习新的类别，每个增量学习任务不包含分布外样本，也不包含保存旧类的样本；增量学习阶段可以表示为一系列个训练任务和相应的训练集，训练集中没有重叠的类，其中，是具有个训练实例的第个训练集，是一张图片，是相应的标签，其中，对于不同任务的标签空间是不相交的； 将分类模型解耦为特征提取器和分类器，通过特征提取器来提取每一个样本的特征：，通过平均一个类所有样本的特征来得到该类别的类中心，为每一个旧类存储类中心，并将新类特征到新类中心的距离，加到旧类中心上来生成伪旧类特征，该过程的表达式为：，其中，是生成的伪旧类数据，是新类训练数据的特征，是新类训练数据的特征的均值，是存储的来自上一个任务的旧类训练数据的特征的均值； 确定第个训练任务的最终目标是拟合所有已看到的类的分类模型，，使预期风险最小化：，其中，是第个训练任务训练后得到的最优参数，指的是网络参数，是训练集分布，·是指示函数，如果表达式成立则输出1，否则输出0； 对于所述分类模型，训练的时候除了最小化新类训练数据的损失，还最小化伪旧类特征的损失，该过程的表达式为：， 其中，等式的前半部分是新类训练数据的交叉熵损失，后半部分是生成的伪旧类数据的交叉熵损失；是当前训练集的样本数，是其中的第个样本，是当前模型，是生成的伪旧类样本数，是分类器权重，是第个伪旧类样本。

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中山大学，其通讯地址为：510275 广东省广州市新港西路135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。