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！

龙图腾网恭喜东南大学申请的专利一种基于流形学习和高阶图神经网络的小样本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：CN113052263B 。

龙图腾网通过国家知识产权局官网在2025-04-18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：202110441901.4，技术领域涉及：G06V10/764；该发明授权一种基于流形学习和高阶图神经网络的小样本图像分类方法是由裴文江;田维维;夏亦犁设计研发完成，并于2021-04-23向国家知识产权局提交的专利申请。

本一种基于流形学习和高阶图神经网络的小样本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流形学习和高阶图神经网络的小样本图像分类方法，主要解决当前小样本学习方法在未知类别的图像分类任务上泛化性能差的问题。其主要分类过程是：首先利用卷积神经网络对输入图像进行特征提取，其次构建一个嵌入传播网络，将特征提取得到的图像特征映射到一组插值的特征嵌入，然后利用特征嵌入计算高阶结构信息，之后特征传播网络对图像特征进行处理，包括节点特征和边特征的更新，归一化，逐层计算流形损失，最后输出未标记样本的标签，并且通过反向传播对模型进行约束。本发明方法为小样本图像分类提供了一个新思路，通过构造嵌入传播网络和利用高阶信息，缓解了分布偏移问题，提高了模型的泛化性能和分类性能。

本发明授权一种基于流形学习和高阶图神经网络的小样本图像分类方法在权利要求书中公布了：1.一种基于流形学习和高阶图神经网络的小样本图像分类方法，其特征在于，包括如下步骤：步骤1，获得图像数据集作为训练和验证图神经网络的数据，将图像数据集中每类样本都分为训练集和测试集，对训练集中的部分样本进行标记，将训练集分为带标记样本和未标记样本；步骤2，将训练集中的数据输入特征提取网络，得到图像特征向量，特征提取网络采用卷积神经网络；步骤3，将特征提取网络得到的图像特征向量输入嵌入传播网络，映射得到一组插值的特征，称之为嵌入特征；步骤4，将嵌入特征作为基准特征，并计算边特征和高阶特征，将基准特征、边特征和高阶特征作为特征传播网络的初始特征；步骤5，在特征传播网络的每一层，交替更新节点特征和边特征，所述节点特征是指基准特征和高阶特征，采用这种迭代的特征传播方法使得图神经网络可以根据自身结构特性更新部分参数，将带标记样本的信息传播到未标记样本；步骤6，输出层是使用softmax函数的全连接层，将学习到的特征表示映射到样本的标记空间；步骤4中高阶特征是指差值向量由相邻基准特征两两相减得到的；基准特征向量差值向量以及边特征向量具体表示为： 其中λ·表示嵌入传播网络，eij1表示高阶结构信息，eij2表示节点间相似度，eij3表示节点间不相似度，∥表示连接符，的计算方式如下：

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东南大学，其通讯地址为：211189 江苏省南京市江宁区东南大学路2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”。