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！

龙图腾网获悉陕西师范大学申请的专利融合局部与全局特征的半监督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：CN109815986B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：201811583150.4，技术领域涉及：G06F18/2415；该发明授权融合局部与全局特征的半监督分类方法是由马君亮;汪西莉;彭杨惠;肖冰;何聚厚设计研发完成，并于2018-12-24向国家知识产权局提交的专利申请。

本融合局部与全局特征的半监督分类方法在说明书摘要公布了：本公开涉及一种融合局部与全局特征的半监督分类方法，包括准备数据集、使用数据集构造初始图、利用局部链路预测方法和全局链路预测方法分别对初始图进行预测并进行对称化和归一化处理、融合处理结果得到概率矩阵、将已标记的信息融合到构造的概率转移矩阵并归一化、传播、保持传播后的标记矩阵中前L行数据不变、判断更新后的标记矩阵是否收敛并根据判断结果完成分类或返回继续执行等步骤。本公开的分类方法解决了现有技术中分类的方法只考虑数据的部分特征、不能贴近实际情况、分类不准确、分类效率低等问题。

本发明授权融合局部与全局特征的半监督分类方法在权利要求书中公布了：1.一种计算机上执行的融合局部与全局特征的半监督分类方法，包括： S100、准备数据集X，所述数据集X包括已标记数据XL和未标记数据XU两部分，已标记数据XL的标记信息为FL，数据的特征通过数据属性信息来描述，L表示已标记数据的个数；其中，所述步骤S100中的数据集选用USPS、digit1、COIL1、COIL2数据集之一； S200、对步骤S100准备的数据集X，提取数据的基础关系，构造初始图G0V，E0，其中V代表图中的节点，E0代表图G0中的边； S300、通过局部链路预测的方法对初始图G0中不存在的边进行预测，并对预测出的边进行排序，选择一定的比例的所述预测的边加入到初始图G0中得到图G1V，E1，其中V代表图中的节点，E1代表图G1中边； S400、对步骤S300中得到图G1的相似度矩阵W1进行对称化，再对对称化处理后的图G1的相似度矩阵W1进行归一化； S500、通过全局链路预测的方法对初始图G0中不存在的边进行预测，对预测出的边进行排序，选择一定的比例的所述预测的边加入到初始图G0中得到图G2V，E2，其中V代表图中的节点，E2代表图G2中； S600、对步骤S500中得到图G2的相似度矩阵W2进行对称化，再对对称化处理后的图G2的相似度矩阵W2进行归一化； S700、对步骤S400中得到的图G3和步骤S600中得到的图G4，利用公式P0=αG3+1‑αG4进行融合，得到概率矩阵P0N*N，其中α为超参，取在0，1之间的数，N代表节点数； S800、基于步骤S700中得到的概率矩阵P0构造概率转移矩阵，并将已标记的信息融合到概率转移矩阵中，再进行归一化，得到归一化的概率转移矩阵； S900、将节点的标记信息按照步骤S800得到的归一化的概率转移矩阵中定义的概率进行传播； S1000、使传播后的标记矩阵中的前L行数据与原始标记矩阵中的前L行数据一致，防止已标记信息被污染； S1100、对步骤S1000中更新计算出的标记矩阵进行判断，如果该矩阵已经收敛不再变化，执行步骤S1200；否则，返回继续执行步骤S800； S1200、得到融合局部与全局特征的半监督分类结果图G5，使得数据集X中未标记数据Xu赋予对应的标记信息Fu，完成分类； 所述方法能够提高分类的准确率和分类效率。

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陕西师范大学，其通讯地址为：710000 陕西省西安市雁塔区长延堡办长安南路东侧；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。