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！

龙图腾网获悉云南师范大学申请的专利图结构特征的塑造方法、终端设备及计算机可读存储介质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：CN120449928B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202510952005.2，技术领域涉及：G06N3/042；该发明授权图结构特征的塑造方法、终端设备及计算机可读存储介质是由陈嘉清;宋冯皓;杨绍靖;尹子都设计研发完成，并于2025-07-10向国家知识产权局提交的专利申请。

本图结构特征的塑造方法、终端设备及计算机可读存储介质在说明书摘要公布了：本申请涉及一种图结构特征的塑造方法、终端设备及计算机可读存储介质，所述方法包括：通过将矛盾样本划分为多个矛盾样本集，并在目标模型中对矛盾样本进行多次向心训练以不断更新目标模型的模型参数，使得训练后的目标模型能够将矛盾样本向其所属类别中心移动，实现对矛盾样本的消解，显著提升目标模型的性能，进而最后通过目标模型能够获得相似元素聚合且边界分离的目标图结构。

本发明授权图结构特征的塑造方法、终端设备及计算机可读存储介质在权利要求书中公布了：1.一种图结构特征的塑造方法，其特征在于，所述图结构特征的塑造方法包括： 确定图结构中的矛盾样本，并将所述矛盾样本划分为多个矛盾样本集； 将所述图结构在预训练的目标模型中进行前向传播，以得到各所述矛盾样本集中各样本对应的第一隐藏层特征，其中所述目标模型处理各所述矛盾样本集时的初始模型参数均设置为所述目标模型上次预训练后得到的模型参数，所述第一隐藏层特征为所述目标模型中残差连接多头注意力层输出的图结构中所述矛盾样本的节点特征； 基于各所述矛盾样本集中各样本对应的所述第一隐藏层特征，更新所述目标模型的模型参数； 将所述图结构在所述目标模型中进行前向传播，以得到各所述矛盾样本集中各样本对应的第二隐藏层特征，其中所述目标模型处理所述各所述矛盾样本集时的初始模型参数均设置为所述目标模型上次更新后得到的模型参数，所述第二隐藏层特征为所述目标模型中残差连接多头注意力层输出的图结构中所述矛盾样本的节点特征； 基于各所述矛盾样本集中各样本对应的所述第一隐藏层特征和所述第二隐藏层特征，更新所述目标模型的模型参数； 将所述图结构在所述目标模型进行前向传播，以得到相似元素聚合后的目标图结构，所述目标图结构为所述目标模型中所述残差连接多头注意力层的输出； 其中，所述目标模型包括至少两个并联的特征提取层，按先后顺序依次连接的第一拼接层和残差连接多头注意力层，所述特征提取层的输出与所述第一拼接层的输入连接；所述特征提取层包括按先后顺序依次连接的第一卷积层、第一激活函数层和第一丢弃层； 所述基于各所述矛盾样本集中各样本对应的所述第一隐藏层特征，更新所述目标模型的模型参数包括： 计算各所述矛盾样本集中各样本对应的所述第一隐藏层特征对应所属类别的特征均值；计算各所述矛盾样本集中各样本对应的所述第一隐藏层特征到对应所属类别的所述特征均值的欧式距离平方； 计算各所述矛盾样本集中各样本对应的所述欧式距离平方的总和，其中所述总和为所述矛盾样本集的边界损失值； 将各所述矛盾样本集的所述边界损失值在所述目标模型中进行反向传播，得到各所述矛盾样本集对应的第一梯度； 使用预设优化器根据各所述矛盾样本集对应的所述第一梯度，更新所述目标模型的模型参数； 所述基于各所述矛盾样本集中各样本对应的所述第一隐藏层特征和所述第二隐藏层特征，更新所述目标模型的模型参数包括： 根据各所述矛盾样本集中各样本对应的所述第一隐藏层特征和所述第二隐藏层特征，计算各所述矛盾样本集的特征平均距离； 根据各所述矛盾样本集的所述特征平均距离，确定各所述矛盾样本集对应的所述第一梯度的权重； 根据各所述矛盾样本集的所述第一梯度的权重，对所有所述矛盾样本集的所述第一梯度进行聚合，以得到第一目标梯度； 使用所述预设优化器根据所述第一目标梯度，更新所述目标模型的模型参数。

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云南师范大学，其通讯地址为：650500 云南省昆明市呈贡区聚贤街768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”。