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！

龙图腾网获悉中国矿业大学申请的专利一种兼具不确定性和代表性的主动学习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：CN117852617B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202410018254.X，技术领域涉及：G06N3/091；该发明授权一种兼具不确定性和代表性的主动学习方法是由李仲年;许新征;张守佩;李宇恒;孙仁科设计研发完成，并于2024-01-05向国家知识产权局提交的专利申请。

本一种兼具不确定性和代表性的主动学习方法在说明书摘要公布了：本发明公开了一种兼具不确定性和代表性的主动学习框架，先通过设置基于对比学习的自监督前置任务学习器对整个数据池的样本进行排序分批处理，然后对分批后的样本在实例级和簇级双重框架下进行对比聚类，然后基于K近邻算法计算所有样本的异常值得分，并对所有簇中的离群样本进行采样。本发明能够更好地对未标记数据进行分类，实现在实例级和簇级双重对比框架下的聚类，具有更优秀的效果，在第一轮迭代中就表现出强大的优势，能够解决主动学习的冷启动问题。

本发明授权一种兼具不确定性和代表性的主动学习方法在权利要求书中公布了：1.一种兼具不确定性和代表性的主动学习方法，其特征在于：包括如下步骤： S1、使用对比学习的自监督前置任务学习器对未标记数据池中的个样本进行随机增强，得到个样本对，，表示未标记数据池中的第个样本，和表示对样本进行随机增强得到的两个样本，所述样本为图像； S2、将样本和分别输入到特征提取编码器，得到特征向量和； S3、将特征向量和分别输入到多层感知器，得到感知向量和； S4、使用对比损失函数计算的对比损失，先根据对比损失的大小对未标记数据池中的个样本进行倒序排列，然后按顺序将个样本按数量分成组，每个分组包含个样本，第个分组中的样本表示为，，，，表示向上取整函数，表示第个分组中的第个样本； S5、使用对比聚类的离群样本采样器对进行数据增强，第个分组得到个样本对，和表示对样本进行数据增强得到的两个样本； S6、将和分别输入到特征提取编码器，得到特征向量和； S7、将特征向量和分别输入到多层感知器，得到感知向量和； S8、对第个分组中的个样本对的进行对比聚类，分别使用实例级对比头和簇级对比头进行对比聚类，实现在实例级和簇级双重框架下的对比聚类，计算实例级对比损失和簇级对比损失； S9、对实例级对比损失和簇级对比损失进行求和得到整体损失； S10、对于使用簇级对比头进行对比聚类得到的簇，使用K近邻算法计算簇内各个样本到簇中心的欧式距离，筛选出每个簇的离群样本，并计算各离群样本的异常值分数； S11、根据异常值分数对每个簇筛选出的所有离群样本进行倒序排序，将每个簇中异常值分数最低的个离群样本标记为兼具不确定性和代表性的目标样本。

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国矿业大学，其通讯地址为：221116 江苏省徐州市泉山区大学路1号中国矿业大学南湖校区；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。