[发明专利]一种具有可解释性的直推学习方法及系统有效
| 申请号： | 201910994868.0 | 申请日： | 2019-10-18 |
| 公开（公告）号： | CN110728327B | 公开（公告）日： | 2021-11-23 |
| 发明（设计）人： | 吕文君;康宇;李泽瑞;昌吉 | 申请（专利权）人： | 中国科学技术大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 合肥天明专利事务所(普通合伙) 34115 | 代理人： | 金凯 |
| 地址： | 230026 安*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种具有可解释性的直推学习方法及系统，属于数据处理技术领域，包括：获取数据的样本集合，将样本集合划分为有标注样本集合和无标注样本集合；基于数据同质性假设对样本集合进行处理，构造集成亲和矩阵和亲和矩阵集成系数；利用集成亲和矩阵对无标注集合中的图像进行伪标注，得到伪标注样本集合；利用有标注样本集合和伪标注样本集合，对决策树模型进行训练；对亲和矩阵集成系数进行更新，直至亲和矩阵逼近最优，输出决策树模型；利用决策树模型对实时采集的图像进行标记分类。本发明构建的直推学习分类模型具有可解释性，适用于对风险极其敏感的场景。 | ||
| 搜索关键词： | 一种 具有 解释性 学习方法 系统 | ||
【主权项】：
1.一种具有可解释性的直推学习方法，其特征在于，包括：/n获取数据的样本集合，将样本集合划分为有标注样本集合和无标注样本集合；/n基于数据同质性假设对样本集合进行处理，构造集成亲和矩阵和亲和矩阵集成系数；/n利用集成亲和矩阵对无标注集合中的数据进行伪标注，得到伪标注样本集合；/n利用有标注样本集合和伪标注样本集合，对决策树模型f进行训练；/n对亲和矩阵集成系数进行更新，直至亲和矩阵逼近最优，输出决策树模型；/n利用决策树模型对实时采集的数据进行标记分类。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学技术大学，未经中国科学技术大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910994868.0/，转载请声明来源钻瓜专利网。
- 上一篇：一种带旋转的边缘模板匹配方法
- 下一篇：分类模型的训练方法和装置
