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！

龙图腾网恭喜中央财经大学申请的专利一种卷积神经网络隐层解释方法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：CN114663694B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202210068894.2，技术领域涉及：G06V10/764；该发明授权一种卷积神经网络隐层解释方法是由王秀利;余辰硕设计研发完成，并于2022-01-20向国家知识产权局提交的专利申请。

本一种卷积神经网络隐层解释方法在说明书摘要公布了：本发明涉及一种卷积神经网络隐层解释方法，所述方法包括下述步骤：获取卷积神经网络模型的隐层激活值集合；对激活值集合进行一次聚类，获得M个不同的集群；对每一个集群进行二次聚类，每个集群获得若干因子，为每个因子分配一个ID，将这个ID作为标签；构建M个特征转化分类器，对每个特征转化分类器，用原样本特征作为输入，标签作为输出，训练所述特征转化分类器；将原样本输入训练好的M个特征转化分类器，获得M维特征；将M维新特征作为输入，原样本标签作为输出，使用C4.5决策树搭建分类模型。所述方法将神经网络分类过程与人类认知过程进行对应，提升解释信息的可读性。

本发明授权一种卷积神经网络隐层解释方法在权利要求书中公布了：1.一种卷积神经网络隐层解释方法，其特征在于，所述方法通过构建基于最大兼容规则解释随机森林模型分类器的分类模型，用于对卷积神经网络内特定隐层对图像样本分类进行解释，所述分类模型的构建包括下述步骤：S100、获取卷积神经网络模型的隐层激活值集合，所述激活值集合通过下述步骤获取：S101、使用图像数据集对卷积神经网络模型进行模型训练，在进行参数调优直至模型准确率达到最高值时，获得训练好的卷积神经网络模型，将其作为原模型；S102、构造一个以原模型输入为输入，以选定隐层为输出的网络，构建截取模型；S103、基于截取模型，将图像样本数据输入，获得激活值集合；S200、采用基于密度的有噪应用中的空间聚类算法对激活值集合进行一次聚类，获得M个不同的集群，M为大于0的整数；S300、采用基于密度的有噪应用中的空间聚类算法对每一个集群进行二次聚类，每个集群获得若干因子，为每个因子分配一个ID，将这个ID作为标签；S400、采用随机森林模型构建并获取M个特征转化分类器，对每个特征转化分类器，用原图像样本特征作为输入，标签作为输出，训练所述特征转化分类器，所述随机森林模型能够通过下述步骤进行特征转化解释：S401、对随机森林模型中的T棵树进行遍历，获取每棵树的所有分类路径；S402、将图像样本数据输入后，将每个分类路径中对应的各个节点分类的变量判别标准组成一条变量规则；S403、从T个分类路径中抽取T条变量规则，将相同变量的规则进行合并，并按照顺序排布，得到整理完的分类规则集合，进而获得最大兼容规则；S404、基于最大兼容规则，进行图像样本重建；S500、将原图像样本输入训练好的M个特征转化分类器，获得M维图像特征；S600、使用C4.5决策树搭建分类模型，将M维图像特征作为输入，原图像样本对应标签作为输出，通过特征转化后的新特征分类准确率高于直接使用原图像样本特征，确定特征转化过程增强了信息的有效性。

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中央财经大学，其通讯地址为：100081 北京市海淀区学院南路39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”。