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！

龙图腾网获悉西安交通大学申请的专利基于半监督学习的和弦识别模型训练方法、系统及产品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：CN120126508B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202510620403.4，技术领域涉及：G10L25/51；该发明授权基于半监督学习的和弦识别模型训练方法、系统及产品是由李晨;李雅楠;田丽华;蒋静怡;孙增国;庞善民;祝继华;张玉龙;昝鑫;李艳霞;张春朋设计研发完成，并于2025-05-14向国家知识产权局提交的专利申请。

本基于半监督学习的和弦识别模型训练方法、系统及产品在说明书摘要公布了：本发明公开了一种基于半监督学习的和弦识别模型训练方法、系统及产品，属于和弦识别技术领域。本发明提供的基于半监督学习的和弦识别模型训练方法，通过自适应置信度阈值筛选、多维度数据增强及伪标签分层利用，提高无标签音频样本集的利用效果；通过引入对比学习方法，对低置信度样本集进行深度挖掘，捕捉样本间的细微差异与内在联系，结合第一损失与第二损失，通过反向传播算法对有监督模型参数进行优化，使有监督模型在保持对常见和弦高识别率的同时，提升对稀有和弦的识别能力，从而实现提升整体和弦的识别准确率。

本发明授权基于半监督学习的和弦识别模型训练方法、系统及产品在权利要求书中公布了：1.一种基于半监督学习的和弦识别模型训练方法，其特征在于，包括以下步骤： 将预处理的有标签音频样本集a作为输入，训练有监督模型，得到训练好的有监督模型和预测和弦类别概率分布A，结合有标签音频样本集a的真实和弦类别概率分布，筛选出预测正确的有标签音频样本子集X，计算有标签音频样本子集X中每个和弦类别的自适应置信度阈值； 对无标签音频样本集w分别进行第一弱增强、第二弱增强及强增强，分别得到无标签音频样本集b、无标签音频样本集c及无标签音频样本集d，将无标签音频样本集b、无标签音频样本集c及无标签音频样本集d输入至训练好的有监督模型，分别得到预测和弦类别概率分布B、预测和弦类别概率分布C及预测和弦类别概率分布D； 基于预测和弦类别概率分布B和预测和弦类别概率分布C，计算得到无标签音频样本集w中每个样本的预测和弦类别概率分布均值，结合有标签音频样本子集X中每个和弦类别的自适应置信度阈值，划分得到伪标签样本集I和低置信度样本集II； 设无标签音频样本集w={w1,w2,w3,…,wt}，所述计算得到无标签音频样本集w中每个样本的预测和弦类别概率分布均值，具体为： 其中，w1,w2,w3,…,wt分别为无标签音频样本集w中的第1,2,3，…，t个样本；为无标签音频样本集w中第t个样本的预测和弦类别概率分布均值；为无标签音频样本集b中第t个样本对应的预测和弦类别概率分布；为无标签音频样本集c中第t个样本对应的预测和弦类别概率分布；为有监督模型的网络参数； 基于伪标签样本集I和预测和弦类别概率分布D，计算第一损失；基于对比学习方法，将低置信度样本集II划分为正样本对和负样本对，采用对比损失函数计算第二损失；基于第一损失和第二损失，结合反向传播算法，更新训练好的有监督模型的网络参数，得到基于半监督学习的和弦识别模型；所述将预处理的有标签音频样本集a作为输入，训练有监督模型，得到训练好的有监督模型和预测和弦类别概率分布A，具体包括： 对有标签音频样本集x={x1,x2,x3,…,xs}进行第三弱增强，得到预处理的有标签音频样本集a，其中，所述第三弱增强为调整音频速率，x1,x2,x3,…,xs分别为有标签音频样本集x中的第1,2,3，…，s个样本； 选择交叉熵损失函数Lossx作为有监督模型的损失函数，将预处理的有标签音频样本集a作为输入，训练有监督模型，得到训练好的有监督模型和预测和弦类别概率分布A； 所述交叉熵损失函数Lossx具体为： 其中，log为对数；s为预处理的有标签音频样本集a的样本总量；J为和弦类别的总数；i为样本索引；j为和弦类别索引；为有标签音频样本集a的真实和弦类别概率分布中第i个样本的真实和弦类别，当第i个样本的真实和弦类别为j时，，否则，；为预测和弦类别概率分布A中第i个样本的预测和弦类别为j的概率。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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”。