公开(公告)号：CN112418289A

公开(公告)日：2021-02-26

申请号：CN202011286164.7

申请日：2020-11-17

Applicant: 北京京航计算通讯研究所

Inventor： 王础 ,  王佳佳 ,  陈浩 ,  侯健 ,  王凤敏 ,  王立霞 ,  李娜

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种不完全标注数据的多标签分类处理方法及装置，属于数据分类技术领域，解决了现有的多标签分类方法对具有数据重合标签分类的实用性较低的问题。方法包括：获取训练数据集；基于训练数据集对神经网络进行参数训练，得到训练好的神经网络；对训练好的神经网络中间层的输出进行预处理，得到神经网络的最优网络结构；将待分类的不完全标注数据输入神经网络的最优网络结构，得到待分类的不完全标注数据对应的所有标签类别向量。实现了不完全标注数据的多标签分类，提高了数据标签分类的精确度，具有较高的实用性。

公开(公告)号：CN111126794A

公开(公告)日：2020-05-08

申请号：CN201911240412.1

申请日：2019-12-06

Applicant: 北京京航计算通讯研究所

Inventor： 王础 ,  范国超 ,  郝创博 ,  王佳佳 ,  王东豪 ,  刘玉蓉

IPC: G06Q10/06 ,  G06N3/08

Abstract: 本发明属于车辆缺陷等级评估技术领域，具体涉及一种基于小样本的数据增强及神经网络对抗训练系统。本发明改进了基于生成模型数据增强的车辆损伤和缺陷等级神经网络评估模型小样本条件优化方案。基于传统生成模型数据增强方法与神经网络评估模型结构的相容性不足，因此增强数据对神经网络评估模型的性能优化作用有限。本发明提出结合神经网络评估模型结构特征的数据增强方法和神经网络评估模型基于增强数据的对抗训练系统，解决神经网络评估模型在小样本条件下模型结构性能退化的问题，提升了神经网络评估模型的性能。

公开(公告)号：CN111126458A

公开(公告)日：2020-05-08

申请号：CN201911240414.0

申请日：2019-12-06

Applicant: 北京京航计算通讯研究所

Inventor： 王础 ,  范国超 ,  郝创博 ,  王佳佳 ,  王东豪 ,  刘玉蓉

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于车辆缺陷等级评估技术领域，具体涉及一种基于小样本的数据增强及神经网络对抗训练方法。本发明改进了基于生成模型数据增强的车辆损伤和缺陷等级神经网络评估模型小样本条件优化方法。基于传统生成模型数据增强方法与神经网络评估模型结构的相容性不足，因此增强数据对神经网络评估模型的性能优化作用有限。本发明提出结合神经网络评估模型结构特征的数据增强方法和神经网络评估模型基于增强数据的对抗训练方法，解决神经网络评估模型在小样本条件下模型结构性能退化的问题，提升了神经网络评估模型的性能。