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！

龙图腾网获悉武汉理工大学申请的专利一种基于仿真增强的少样本海域违法事件特征提取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：CN121834311B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202610291714.5，技术领域涉及：G06F18/213；该发明授权一种基于仿真增强的少样本海域违法事件特征提取方法是由余红楚;徐潇涵设计研发完成，并于2026-03-11向国家知识产权局提交的专利申请。

本一种基于仿真增强的少样本海域违法事件特征提取方法在说明书摘要公布了：本申请提供一种基于仿真增强的少样本海域违法事件特征提取方法，涉及数据处理领域。面向海域违法案情文本样本稀缺、多案由异构的应用场景，通过构建归一化特征体系统一不同案由下的业务特征表达，并在小规模标注样本基础上引入基于文本跨度的特征提取框架，实现对嵌套与重叠特征的稳定识别；结合资源感知的鲁棒性评估策略，精准定位真实性能短板特征，并在保持特征体系不变的条件下定向执行仿真增强；通过类型分治与边界仲裁机制安全融合仿真样本与人工样本，在确定性训练约束下完成模型更新，从而实现低资源条件下海域违法事件特征的高精度、稳定自动提取。实施本技术方案，便于提高少样本海域违法事件特征提取的鲁棒性。

本发明授权一种基于仿真增强的少样本海域违法事件特征提取方法在权利要求书中公布了：1.一种基于仿真增强的少样本海域违法事件特征提取方法，其特征在于，所述方法包括： 获取多类海域违法案由的案情文本，并对所述案情文本中具有业务指向性的候选特征进行语义归并与法律属性校验，以构建归一化特征体系； 基于所述归一化特征体系，从各案情文本中选取标注样本集合，并对所述标注样本集合执行结构重构与统一编码处理，生成训练样本集合； 在所述训练样本集合的基础上，引入基于文本跨度的特征提取框架，对所述案情文本进行特征提取，得到包含多个归一化特征的特征提取结果； 根据所述特征提取结果，通过引入资源感知的鲁棒性评估策略刻画各个归一化特征在不同数据划分条件下的性能稳定度，并结合各个归一化特征在所述训练样本集合中的样本分布信息，确定各归一化特征的增强优先级，以根据所述增强优先级确定待增强特征； 在保持所述归一化特征体系与所述训练样本集合不变的条件下，构建评估数据池，并为所述评估数据池中的每一条样本绑定样本标识、案由标识与归一化特征标注结果； 在所述评估数据池上执行多轮数据划分处理，在案由维度生成多组数据划分条件，并在每一数据划分条件下利用所述特征提取框架对对应评估子集执行特征提取处理，将得到的特征提取结果与真实标注结果进行逐特征对齐，以获取各归一化特征在不同数据划分条件下的性能统计结果； 汇总每一归一化特征在多组数据划分条件下的性能统计结果，并基于所述性能统计结果刻画归一化特征对数据划分变化的性能稳定度； 获取各归一化特征在所述训练样本集合中的样本分布信息，并将所述样本分布信息与所述性能稳定度进行联合分析，以形成资源感知描述，所述样本分布信息包括样本数量与跨案由覆盖情况； 基于所述资源感知描述，对各归一化特征执行增强优先级排序，按照性能稳定度与样本分布稀疏程度的综合顺序生成增强优先级列表，并将位于所述增强优先级列表预设列数的归一化特征确定为所述待增强特征； 针对所述待增强特征，在保持所述归一化特征体系不变的条件下，利用仿真增强大模型生成仿真案情文本，并基于所述标注样本集合对所述仿真案情文本执行自适应评估与筛选，以获得仿真样本集合； 在所述仿真样本集合与所述标注样本集合之间引入类型分治与边界仲裁机制，以构建联合训练样本集合，并在固定模型结构、固定超参数配置以及确定性训练策略的约束下通过所述联合训练样本集合更新所述仿真增强大模型，以输出结构化海域违法事件特征结果。

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武汉理工大学，其通讯地址为：430000 湖北省武汉市洪山区珞狮路122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”。

以上内容由龙图腾AI智能生成。