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！

龙图腾网获悉电子科技大学(深圳)高等研究院;电子科技大学申请的专利基于特征约束的主曲线优化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：CN120234546B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202510703976.3，技术领域涉及：G06F18/15；该发明授权基于特征约束的主曲线优化方法及装置是由张彦如;王鹏;王岩;刘旻昊;杨涵;段立新设计研发完成，并于2025-05-29向国家知识产权局提交的专利申请。

本基于特征约束的主曲线优化方法及装置在说明书摘要公布了：本申请适用于数据处理技术领域，提供了基于特征约束的主曲线优化方法及装置，该方法包括：获取待分析的高维非线性数据，并映射到目标黎曼流形；高维非线性数据具有特定属性；通过目标黎曼流形的数据点构建初始的待优化主曲线；确定目标数据点投影到目标位置的目标投影点；根据空间约束系数和至少一个数据属性特征约束系数确定目标数据点的联合贡献因子；通过最小化目标优化误差对待优化主曲线进行更新，得到最终的目标主曲线。本申请通过在空间约束系数基础上引入数据属性特征约束系数来共同决定高维非线性数据的数据点的联合贡献因子，解决了传统主曲线方法忽略数据属性特征导致的拟合误差问题，提高了主曲线拟合精度。

本发明授权基于特征约束的主曲线优化方法及装置在权利要求书中公布了：1.一种基于特征约束的主曲线优化方法，其特征在于，包括： 获取待分析的高维非线性数据，并将所述高维非线性数据映射到目标黎曼流形；所述高维非线性数据具有特定属性； 通过所述目标黎曼流形的数据点构建初始的待优化主曲线； 确定目标数据点投影到目标位置的目标投影点；所述目标数据点为所述目标黎曼流形的任意一个数据点，所述目标位置为所述待优化主曲线的任意一个位置； 根据空间约束系数和至少一个数据属性特征约束系数确定目标数据点的联合贡献因子；其中，所述空间约束系数基于所述目标投影点和目标曲线点之间的黎曼距离确定，所述数据属性特征约束系数基于所述特定属性确定，所述目标曲线点为所述待优化主曲线在所述目标位置上的点； 通过最小化目标优化误差对所述待优化主曲线进行更新，得到最终的目标主曲线；其中，所述目标优化误差通过所述联合贡献因子进行加权处理； 当所述高维非线性数据为人体动作数据时，所述获取待分析的高维非线性数据，并将所述高维非线性数据映射到目标黎曼流形的步骤包括： 获取人体骨架的关节点信息和关节肢体信息； 从所述人体动作数据中获取同一时刻时两个相邻关节点的旋转数据，并将所述旋转数据转换为关节肢体的旋转矩阵； 将同一时刻的所有旋转矩阵确定为一组旋转矩阵序列；其中，不同时刻的多组旋转矩阵序列在时间上具有顺序性； 将所述多组旋转矩阵序列映射到所述目标黎曼流形； 所述根据空间约束系数和至少一个数据属性特征约束系数确定目标数据点的联合贡献因子的步骤包括通过以下公式确定所述目标数据点的联合贡献因子： ； 其中，t表示主曲线的位置参数，n表示数据点的标识参数，表示联合贡献因子，表示空间约束系数，表示数据属性特征约束系数，表示平滑核函数； 当所述特定属性为时序属性时，所述根据空间约束系数和至少一个数据属性特征约束系数确定目标数据点的联合贡献因子的步骤还包括通过以下公式确定所述目标数据点的联合贡献因子： ； 其中，表示时间特征约束系数，表示主曲线上参数t处的曲线点，表示数据点在主曲线上参数t处的投影点，表示投影点和曲线点之间的黎曼距离，表示空间尺度因子，表示时间尺度因子，表示数据点和曲线点之间的时间偏差，表示主曲线上参数为t的曲线点所对应的时间，表示数据点所对应的时间。

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电子科技大学(深圳)高等研究院;电子科技大学，其通讯地址为：518000 广东省深圳市龙华区观澜街道新澜社区观光路1301-78号银星智界二期2号楼；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”。