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！

龙图腾网获悉江西农业大学申请的专利图像噪声标记特征选择方法、系统、存储介质及计算机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：CN120894642B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202511416748.4，技术领域涉及：G06V10/771；该发明授权图像噪声标记特征选择方法、系统、存储介质及计算机是由钱文彬;许志超;李国粱;况燕军;胡京设计研发完成，并于2025-09-30向国家知识产权局提交的专利申请。

本图像噪声标记特征选择方法、系统、存储介质及计算机在说明书摘要公布了：本发明提供一种图像噪声标记特征选择方法、系统、存储介质及计算机，该方法包括：获取待处理的图像噪声标记数据集；将图像噪声标记数据集中的样本集嵌入多粒度模糊簇群构建动态模糊隶属度评估矩阵；动态演化出多层级高精度子粒球簇；获得高辨识度的标记分布；构建基于粒球拓扑驱动的粗糙感知特征评估框架，结合粗糙集上、下近似及扩展正域模型，提取决策等价类，基于依赖度量化模型，融合多粒球决策边界信息，确定度量各特征对决策系统的贡献度；引入粒球结构一致性验证机制，并通过依赖性和一致性对特征的重要性进行多层次评估。本发明获得具备抗噪性能强、判别能力高的最优特征子集，为后续图像噪声标记学习模型提供稳定且高效的输入支持。

本发明授权图像噪声标记特征选择方法、系统、存储介质及计算机在权利要求书中公布了：1.一种图像噪声标记特征选择方法，其特征在于，包括： S1：获取待处理的图像噪声标记数据集，其中，所述图像噪声标记数据集中同时含有特征空间和标记空间； S2：采用自适应多核融合与动态参数优化机制，将所述图像噪声标记数据集中的样本集嵌入多粒度模糊簇群，以构建动态模糊隶属度评估矩阵，确定量化样本-聚类和样本-类别之间的多维模糊映射关系； S3：基于全域谱特征映射机制，构建出宏观粗粒度粒球骨架，对标记同构性不足或结构熵超过阈值的粒球，融入质量度量模型进行联合评估，并通过递进式自组织裂变算法，动态演化出多层级高精度子粒球簇； S4：在各精细粒球内部，融合权重驱动的粒球计算与模糊推理，依据样本-粒球中心距离自动分配权重，并构建类别-聚类耦合关联矩阵，通过模糊合成运算，将簇群隶属度优化为类别隶属度，最终获得高辨识度的标记分布； S5：构建基于粒球拓扑驱动的粗糙感知特征评估框架，以粒球几何特性定义自适应邻域，动态划分内聚且互不重叠的局部邻域，结合粗糙集上、下近似及扩展正域模型，提取决策等价类，基于依赖度量化模型，融合多粒球决策边界信息，确定度量各特征对决策系统的贡献度； S6：引入粒球结构一致性验证机制，从结构保持性维度，衡量特征在粒球局部域内的表达稳定性，并通过依赖性和一致性对特征的重要性进行多层次评估。

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江西农业大学，其通讯地址为：330045 江西省南昌市昌北经济技术开发区志敏大道1101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。