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！

龙图腾网恭喜北京科技大学申请的专利基于模糊粗糙集和增量学习的基因数据分类方法、装置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：CN119541657B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202411531163.2，技术领域涉及：G16B40/20；该发明授权基于模糊粗糙集和增量学习的基因数据分类方法、装置是由李若蕾;杨茹淼;林福宏设计研发完成，并于2024-10-30向国家知识产权局提交的专利申请。

本基于模糊粗糙集和增量学习的基因数据分类方法、装置在说明书摘要公布了：本申请实施例提供一种基于模糊粗糙集和增量学习的基因数据分类方法、装置，该方法通过将获取到的待分类的基因表达数据输入至目标基因数据分类模型中，由该目标基因数据分类模型基于输入的待分类的基因表达数据输出目标分类结果。由于目标基因数据分类模型的训练过程中，采用预设模糊粗糙集模型对基因表达数据训练样本数据集中的基因表达数据特征向量进行筛选，仅留存重要度大于预设重要度阈值的基因表达特征向量参与基因数据分类模型的训练，可有效减少对基因分类结果贡献程度较差的基因表达数据对模型训练的干扰。如此，可保留重要分类信息的情况下，降低基因数据分类模型所需处理的数据维度，有助于提高基因数据分类模型的分类效率以及准确率。

本发明授权基于模糊粗糙集和增量学习的基因数据分类方法、装置在权利要求书中公布了：1.一种基于模糊粗糙集和增量学习的基因数据分类方法，其特征在于，所述方法包括：获取待分类的基因表达数据，并将所述待分类的基因表达数据输入至目标基因数据分类模型中；由所述目标基因数据分类模型基于所述待分类的基因表达数据输出目标分类结果；其中，所述目标基因数据分类模型预先通过以下步骤训练得到：获取基因表达数据训练样本数据集，其中，所述基因表达数据训练样本数据集中包括若干条基因表达数据；基于所述训练样本数据集，构建基因表达数据训练样本数据集的最优特征子集；其中，所述最优特征子集中包含若干条优质基因表达特征向量，各条所述优质基因表达特征向量为采用预设模糊粗糙集模型确定得到的重要度大于预设重要度阈值的基因表达特征向量，其中，所述重要度用于描述基因表达数据对基因分类结果的贡献程度；将所述最优特征子集输入至预先构建的基因数据分类模型中，对所述基因数据分类模型进行训练，直至所述基因数据分类模型输出的预测基因分类结果与真实分类结果之间的目标数据差异收敛；其中，所述预测基因分类结果为所述基因数据分类模型针对所述特征子集中的各条基因表达特征向量输出的预测分类结果，所述真实分类结果为所述特征子集中的各条基因表达特征向量的真实分类结果；将所述目标数据差异收敛时的基因数据分类模型，确定为所述目标基因数据分类模型；所述获取基因表达数据训练样本数据集，包括：获取新增的基因表达数据作为增量训练样本数据集，将已用于所述基因数据分类模型训练的基因表达数据确定为存量训练样本数据集；采用K-means算法计算所述增量训练样本数据集中的基因表达数据，与所述存量训练样本数据集中的基因表达数据之间的余弦相似度，并根据计算得到的相似度在对应的损失函数中添加掩码信息；基于添加掩码信息后的损失函数构建预设总交叉熵损失函数，对所述基因数据分类模型进行训练，直至所述预设总交叉熵损失函数收敛；其中，其中，基于如下公式构建所述预设总交叉熵损失函数：Ltotal＝Lce+λ·Lkd+γ·Lpro其中，Ltotal为所述预设总交叉损失函数，Lce为：所述基因数据分类模型基于存量训练样本数据集输出的预测分类结果与真实分类结果之间的交叉损失函数，Lpro为所述基因数据分类模型基于增量训练样本数据集输出的预测分类结果与真实分类结果之间的交叉损失函数，Lkd为蒸馏损失函数，λ为所述蒸馏损失函数Lkd的权重、γ为所述基因数据分类模型基于增量训练样本数据集输出的预测分类结果与真实分类结果之间的交叉损失函数Lpro的权重；其中，Lkd为蒸馏损失函数，其中，蒸馏损失函数Lkd满足如下公式：Lkd＝||Ft-Ft-1||其中，Ft为当前轮次所述基因数据分类模型训练时所选取的基因表达数据的特征数量，Ft-1为上一轮次所述基因数据分类模型训练时所选取的基因表达数据的特征数量；所述最优特征子集通过如下方式得到：基于各所述基因表达数据，构建预设子集空间，并基于所述预设子集空间利用高斯隶属度函数计算出模糊策略；基于所述模糊策略，结合各所述基因表达数据的模糊属性和模糊决策属性，确定所述模糊属性和所述模糊决策属性的互信息的平均值；从所述基因表达数据训练样本数据集中，选择出所述互信息的平均值满足预设重要度筛选条件的基因表达特征向量构成所述最优特征子集。

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北京科技大学，其通讯地址为：100083 北京市海淀区学院路30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”。