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！

龙图腾网恭喜中山大学申请的专利一种基于深度学习的空间曲线形状匹配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：CN114419347B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202210068297.X，技术领域涉及：G06V10/74；该发明授权一种基于深度学习的空间曲线形状匹配方法是由苏坤华;陶钧设计研发完成，并于2022-01-20向国家知识产权局提交的专利申请。

本一种基于深度学习的空间曲线形状匹配方法在说明书摘要公布了：本发明公开了一种基于深度学习的空间曲线形状匹配方法，所述方法包括通过时间序列数据的可见图在流线上的扩展得到流线的可见图，在流线s上的所有点之间生成一个成对的距离矩阵得到然后选择需要的阈值d过滤该矩阵生成一个距离为d的可见图，在可见图中进行采样获得子图，神经网络进行深度学习训练获得潜在向量，最后实现流线的形状匹配。通过深度学习的手段将任何流线数据集的形状信息单独进行编码并嵌入到一个潜在的特征空间，在尽量保证信息损失最小的前提下，利用流线编码成的潜在向量描述符进行精确的形状匹配。

本发明授权一种基于深度学习的空间曲线形状匹配方法在权利要求书中公布了：1.一种基于深度学习的空间曲线形状匹配方法，其特征在于，所述方法包括通过时间序列数据的可见图在流线上的扩展得到流线的可见图，在流线s上的所有点之间生成一个成对的距离矩阵得到然后选择需要的阈值d过滤该矩阵生成一个距离为d的可见图，在可见图中进行采样获得子图，神经网络进行深度学习训练获得潜在向量，最后实现流线的形状匹配；可见图顶部为一个时间序列，底部为其对应的可见图；条形图的每一条的高低表示时间序列中的一个值的大小，并对应于可见图中按相同顺序排列的一个节点；若两个节点对应的条形可以相互观察而不被其他条形阻塞，则它们通过可见图中的一条边连接起来；对于由一系列采样点组成的流线，如果一个点与另一个点之间的距离小于阈值d，那么它们就是彼此可见的；所述在可见图中进行采样获得子图包括为了识别流场中基本的形状图集，以邻接矩阵形式表示的是一条流线对应的可见图，每一行或每一列的每个位置都代表流线上的一个点，将矩阵中对应位置的值提取出，就得到流线段可见子图；深度学习神经网络体系结构是一个标准的卷积自动编码器，由编码器和解码器组成，编码器将输入数据编码成潜在空间中的一个向量，而解码器则从该向量中重构出原始的数据，编码器以一个可视子图作为输入，并通过三个卷积层和两个全连接层将其映射到一个128维的潜在向量，而解码器采用类似的结构将潜在向量重建成一个可视子图，将重建后的图像与原始输入图像进行比较，以均方误差MSEL作为网络的误差进行训练： 其中，N为样本数，n2为正方形图像的大小，x和y分别为原始图像和重建图像；通过神经网络的训练，把流线段的形状信息记录到了编码器输出的128维的潜在向量上，并以此作为流线段的描述符，用于之后的形状匹配上；通过训练好的神经网络模型，得到每条流线段所对应的128维的潜在向量，即每条流线段都与一个特定的潜在向量一一对应；对于两条不同的流线s1和s2，其对应的潜在向量分别为v1和v2，将s1和s2的相似性度量定义为它们对应潜在向量之间的欧氏距离的大小dis，即： 其中，v1和v2分别是流线s1和s2的潜在向量，n为潜在向量的维数；为衡量流线之间的相似度，为流线的相似度设定一个阈值若两条流线对应的潜在向量的欧氏距离小于阈值即这两条流线是相似的。

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山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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”。