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！

龙图腾网获悉浪潮企业云科技(山东)有限公司申请的专利一种图形特征识别方法及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：CN120318656B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202510804488.1，技术领域涉及：G06V10/82；该发明授权一种图形特征识别方法及装置是由刘傲;王臻;李志华;宋晨旭设计研发完成，并于2025-06-17向国家知识产权局提交的专利申请。

本一种图形特征识别方法及装置在说明书摘要公布了：本发明提供一种图形特征识别方法及装置，涉及图像识别技术领域，可以提升模型在面对未知数据时输出识别结果的准确性。本发明提供了一种图形特征识别方法，包括：建立全连接神经网络；其中，全连接神经网络包括特征、特征概率、激活函数以及损失函数；将全连接神经网络的传递过程中的确定权重，调整为概率分布的不确定性权重；基于不确定性权重，进行多次预测训练，获得学习权重集合；基于学习权重集合，计算预测的期望值和分布；基于输入的检测数据以及预测的期望值和分布，获得检测数据的输出结果；基于损失函数以及检测数据的输出结果，调整全连接神经网络的不确定性权重，获得图形特征识别模型；基于图形特征识别模型，进行图形特征识别。

本发明授权一种图形特征识别方法及装置在权利要求书中公布了：1.一种图形特征识别方法，其特征在于，包括： 建立全连接神经网络；其中，所述全连接神经网络包括特征、特征概率、激活函数以及损失函数； 将所述全连接神经网络的传递过程中的确定权重，调整为概率分布的不确定性权重； 基于不确定性权重，进行多次预测训练，获得学习权重集合； 基于学习权重集合，计算预测的期望值和分布； 基于输入的检测数据以及预测的期望值和分布，获得检测数据的输出结果； 基于损失函数以及检测数据的输出结果，调整全连接神经网络的不确定性权重，获得图形特征识别模型； 基于图形特征识别模型，进行图形特征识别； 将所述全连接神经网络的传递过程中的确定权重，调整为概率分布的不确定性权重，包括： 将所述全连接神经网络的传递过程中的确定权重，调整为概率分布的不确定性权重：PW|X，Y；其中，X表示训练数据，Y表示真实标签，W表示神经网络权重，PW|X，Y表示当给定训练数据X和真实标签Y时，神经网络权重W的可信度； 基于不确定性权重，进行多次预测训练，获得学习权重集合，包括： 基于不确定性权重，对训练数据进行多次预测训练；其中，每次预测均基于当前的神经网络权重进行；其中，所述训练数据通过采样获得； 基于多次预测训练，获得全连接神经网络在不同训练迭代次数下的学习权重集合；其中，所述学习权重集合中的每个所述学习权重对应不同训练迭代次数的状态； 基于学习权重集合，计算预测的期望值和分布，包括： 基于获得的不同学习权重，对同一训练数据进行多次预测，获得多次预测结果； 将所述多次预测结果进行加权平均或算术平均，计算得出预测的期望值； 统计多次预测结果的期望值的分布情况，获得预测的分布；其中，所述分布情况包括预测值的出现频率、范围及波动情况； 基于输入的检测数据以及预测的期望值和分布，获得检测数据的输出结果，包括： 将输入的检测数据进行编码，提取检测数据的局部特征；其中，每个所述局部特征包括局部语义和存在概率； 基于高斯混合函数反向学习所述局部特征，获得聚类权重； 基于所述聚类权重，构成狄利克雷函数分布； 基于所述聚类权重和所述狄利克雷函数分布，获得检测数据的输出结果； 基于损失函数以及检测数据的输出结果，调整全连接神经网络的不确定性权重，获得图形特征识别模型，包括： 基于所述损失函数，计算检测数据的输出结果的评价结果； 基于所述评价结果调整全连接神经网络的不确定性权重，获得图形特征识别模型； 建立全连接神经网络，包括： 当全连接神经网络应用于分类问题时，设定激活函数为： 公式一中，zi表示第i个神经元的原始输出值，K表示分类任务的类别总数，表示对原始输出取指数，表示对所有类别的指数输出求和； 损失函数为： 公式二； 公式二中，yi表示第i个类别的真实标签，pi表示模型对第i个类别的预测概率，K表示分类任务的类别总数； 建立全连接神经网络，包括： 当全连接神经网络应用于回归问题时，设定激活函数为： μ＝Zμ公式三； σ＝expzσ公式四； 公式三和公式四中，Zμ表示全连接神经网络最后一层输出的原始值，μ表示模型预测的均值，zσ表示全连接神经网络另一分支输出的原始值，expzσ表示将zσ转换为正数；σ表示模型预测的标准差； 损失函数为： -logNy|μ,σ2公式五； 公式五中，y表示观测到的真实值，μ表示模型预测的均值，σ表示模型预测的标准差，Ny|μ,σ2表示在均值为μ，方差为σ2的正态分布下，观测到真实值y的概率密度； 建立全连接神经网络，包括： 设定特征集合； 对特征集合中的特征进行量化定义，并确定每种特征的概率；其中，经过所述全连接神经网络计算后，特征集合中的特征之和为预设数值。

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浪潮企业云科技(山东)有限公司，其通讯地址为：250000 山东省济南市高新区浪潮路1036号浪潮科技园S02号楼22层；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”。