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！

龙图腾网获悉山东大学;济南新旧动能转换起步区管理委员会建设管理部申请的专利基于特征扰动的路面性态关键因子辨识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：CN117290696B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202311335940.1，技术领域涉及：G06F18/2113；该发明授权基于特征扰动的路面性态关键因子辨识方法及系统是由王建柱;王小超;刘世杰;杜聪;郭洪宇;田源;张宏博;吴建清设计研发完成，并于2023-10-16向国家知识产权局提交的专利申请。

本基于特征扰动的路面性态关键因子辨识方法及系统在说明书摘要公布了：本公开提供了基于特征扰动的路面性态关键因子辨识方法及系统，涉及性态因子识别技术领域，包括获取道路路面的特征性态以及几何参数，构建所述道路路面等比例的缩尺模型；获取对所述道路路面产生影响的多个性态影响因子，将性态影响因子输入至神经网络模型中进行极端特征扰动，通过设定极大值和极小值，在[0,1]范围内进行数值调整，观测神经网络模型输出的结果变化，将对神经网络模型输出结果影响大的初步确定为关键因子；将获取的关键因子重复输入神经网络模型，并采用概率的方式验证选取的关键因子的准确性。本公开能够精准得到路面变化所产生的性态关键因子。

本发明授权基于特征扰动的路面性态关键因子辨识方法及系统在权利要求书中公布了：1.基于特征扰动的路面性态关键因子辨识方法，其特征在于，包括： 获取道路路面的特征性态以及几何参数； 根据所述特征性态以及几何参数构建所述道路路面等比例的缩尺模型； 基于所述缩尺模型，获取对所述道路路面产生影响的多个性态影响因子，并进行数据归一化处理； 训练神经网络模型，将性态影响因子输入至神经网络模型中进行极端特征扰动，通过设定极大值和极小值，在[0,1]范围内进行数值调整，观测神经网络模型输出的结果变化，将对神经网络模型输出结果影响大的初步确定为关键因子； 将获取的关键因子重复输入神经网络模型，并采用概率的方式验证选取的关键因子的准确性； 对输入的特征影响因子进行极端特征扰动，初步筛选出路面性态关键因子的方法为： 根据获取的性态影响因子构建性态影响因子数据集，依据性态影响因子数据集建立多特征影响因子的输入个数，将性态影响因子输入至神经网络模型中，对其取值范围进行极大极小值的调整； 将输入的性态影响因子数据进行归一化，得到在[0,1]范围内的数值，基于CNN神经网络模型，对输入的特征影响因子进行极端特征扰动；依据建立的性态影响因子数据集建立多特征影响因子的输入个数，其中，为输入性态影响因子的种类数；原始性态影响因子的输入值为，在基础上对其取值范围进行极大极小值的调整； 对于最大值的调整： 其中，为原始性态影响因子的输入值，表示进行极端扰动后的最大值； 对于最小值的调整： 其中，表示进行极端扰动后的最小值； 极端特征扰动是指在数据中对特征进行极端或极端程度的变化或干扰，对输入数值进行最大值和最小值的改变，以测试模型在极端情况下的鲁棒性和性能，这种扰动是为了评估模型在面对异常或不寻常输入时的行为； 对特征影响因子进行多次重复输入，采用投票计数及贝叶斯原理概率方式，对关键因子进行确定： 输入的性态影响因子为，表示输入的次数，输出结果为m，其中；在单次输入性态影响因子中、、的概率分别表示为、、；对于三种等级，计算在每一个等级下观察到每次输出结果的似然性，将结果的似然性相乘，得到结果的总似然；计算三种等级的总似然性，分别为；采用贝叶斯原理估计每个等级的后验概率： 比较后验概率，根据观察结果估计等级。

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山东大学;济南新旧动能转换起步区管理委员会建设管理部，其通讯地址为：250061 山东省济南市历下区经十路17923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。