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！

龙图腾网获悉苏州城市学院申请的专利一种深度学习模型的变异算子约简方法及系统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：CN119783737B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202510245208.8，技术领域涉及：G06N3/0495；该发明授权一种深度学习模型的变异算子约简方法及系统是由陆公正;杨洋;赵志宏设计研发完成，并于2025-03-04向国家知识产权局提交的专利申请。

本一种深度学习模型的变异算子约简方法及系统在说明书摘要公布了：本发明涉及软件测试领域，尤其涉及一种深度学习模型的变异算子约简方法及系统。本发明使用各变异算子对原始模型进行变异，获取每个测试样本在原始模型及各变异体在训练过程中的隐藏状态序列，对每个隐藏状态向量进行维度约简后，对所有约简后的隐藏状态向量进行聚类，将每个聚类簇视为一个抽象状态，得到每个测试样本在对应模型的抽象状态迹；对于原始抽象状态迹集合中每条原始抽象状态迹，计算其与各变异体的变异抽象状态迹集合中每条变异抽象状态迹之间距离的平均值，得到原始深度学习模型与每个变异体的抽象状态迹差异均值，确定待约简的变异算子。本发明减少了变异测试的执行代价，提高了评估图像或文本测试用例集质量的有效性。

本发明授权一种深度学习模型的变异算子约简方法及系统在权利要求书中公布了：1.一种深度学习模型的变异算子约简方法，其特征在于，包括以下步骤： 使用各变异算子对原始深度学习模型进行变异，生成每个变异算子对应的原始深度学习模型的变异体； 获取每个测试样本在原始深度学习模型及各变异体的训练过程中的隐藏状态序列，对每个隐藏状态序列中各个隐藏状态向量进行维度约简； 对所有测试样本在原始深度学习模型及各变异体训练过程中约简后的各个隐藏状态向量进行聚类，将每个聚类簇视为一个抽象状态，把约简后的各个隐藏状态向量映射到对应的抽象状态； 对于每个测试样本在原始深度学习模型及各变异体中的隐藏状态序列，将每个隐藏状态序列中约简后的各个隐藏状态向量均映射为其对应的抽象状态，得到每个测试样本在原始深度学习模型及各变异体的抽象状态迹； 将所有测试样本在原始深度学习模型下的原始抽象状态迹汇总，得到原始深度学习模型的原始抽象状态迹集合，将所有测试样本在各变异体下的变异抽象状态迹汇总，得到各变异体的变异抽象状态迹集合； 对于原始深度学习模型的原始抽象状态迹集合中每条原始抽象状态迹，计算其与各变异体的变异抽象状态迹集合中每条变异抽象状态迹之间距离的平均值，得到原始深度学习模型与每个变异体的抽象状态迹差异均值； 根据原始深度学习模型与每个变异体的抽象状态迹差异均值的大小，确定待约简的变异算子，对待约简的变异算子进行约简; 对于当前变异体的变异抽象状态迹集合中每条变异抽象状态迹，若当前抽象状态对应的预测结果与下一个抽象状态对应的预测结果不同，则将当前抽象状态作为当前变异抽象状态迹的旋转点，将旋转点作为分隔点，对每条变异抽象状态迹进行划分，得到当前变异体的多个子序列； 汇总所有变异体的子序列，统计每个子序列在所有变异体的变异抽象状态迹集合中出现的频率，按照频率从高到低的顺序，对所有子序列进行降序排列，取前预设数量的子序列作为高频率子序列； 对于每一个变异体，若当前变异体所有子序列中均不包含高频率子序列，则将生成当前变异体的变异算子作为待约简的变异算子，对待约简的变异算子进行约简； 其中，测试样本为图像数据或文本数据； 当测试样本为图像数据时，原始深度学习模型为图像分割模型、目标检测模型、图像去雾模型中任意一种； 当测试样本为文本数据时，原始深度学习模型为文本分类模型、命名实体识别模型、文本匹配模型中任意一种。

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苏州城市学院，其通讯地址为：215000 江苏省苏州市吴中区吴中大道1188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”。