原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于图传播的主动学习异常检测方法及系统，涉及图像异常检测的技术领域，采集产品图像后进行预处理，构建预训练自动编码器并训练，通过训练得到的自动编码器获得不包含低级特征的图像编码，并进一步重构，不仅能取得更连续平滑的图像低维表示，还能获得更好的异常检测性能。基于k‑近邻传播矩阵的图传播更新图像标注信息，使得更新图像标注信息的耗时更低，而且在主动学习阶段同时考虑了图像样本的不确定性和代表性，并挑选最具代表性的图像样本，对图像样本分空间进行了充分的探索，有效提升了主动学习的性能，最后将待
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 115761435 A
(43)申请公布日 2023.03.07
(21)申请号 202211385890.3 G06N 3/091 (2023.01)
(22)申请日 2022.11.
文档评论（0）