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！

龙图腾网获悉南京航空航天大学申请的专利一种基于深度神经网络的自适应测试用例优化与选择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：CN119883886B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202411768279.8，技术领域涉及：G06F11/3668；该发明授权一种基于深度神经网络的自适应测试用例优化与选择方法是由张智轶;孟焕泽;黄志球设计研发完成，并于2024-12-04向国家知识产权局提交的专利申请。

本一种基于深度神经网络的自适应测试用例优化与选择方法在说明书摘要公布了：本发明公开了一种基于深度神经网络的自适应测试用例优化与选择方法，对于用于N分类任务的DNN模型，首先将测试用例集合输入到DNN模型中，根据输出结果将其划分为N个集合，然后基于预测置信度对每个集合划分为选择集合、候选集合和去除集合。其次，通过计算候选集中图像与选择集中图像的相似度得到的选择集和候选集作为初始集合来进行选择，保证选择集中测试用例分布均衡，返回最后得到的选择集合。本发明基于测试用例均匀分布的思想和模型不确定性对测试用例进行选择，仅标记选择得到的测试用例，不但可以节约测试用例标记成本、提高DNN模型测试效率，也可以使用选择后的测试用例重训练DNN模型，提高DNN模型的鲁棒性。

本发明授权一种基于深度神经网络的自适应测试用例优化与选择方法在权利要求书中公布了：1.一种基于深度神经网络的自适应测试用例优化与选择方法，其特征在于，该方法针对用于N分类任务的DNN模型的测试例做如下的处理： S1、将未标记的待选择的测试用例集合输入到DNN模型中，根据DNN预测结果和图像分类目标将其划分为N个集合，然后针对所划分的每个集合，通过预测置信方差将其划分为选择集合、候选集合和去除集合； S2、针对选择集合和候选集合中的图像数据集，基于模型不确定性的图像相似度计算方法计算任意两张图像之间的相似程度，具体包括： S21、预测：从选择集合和候选集合中分别任选一张图片，记为图片a和图片b，并将它们输入到DNN模型进行分类预测，DNN模型输出的概率向量P和Q分别代表图片a和图片b的预测概率； S22、重组和提取：从概率向量P和Q中分别任意选择3个预测概率值，由此将向量P和Q分别重组为个三维子向； S23、计算图像相似度：将向量P和Q重组后的任意一组三维子向量记为P’pi,pj,pk和Q’qi,qj,qk，然后将这两个向量视为在三维空间中的坐标点，并且将其投影定到pi和qi所在的平面上，进而得到三维维坐标点p′和Q′，据此点p′、Q′与原点O形成一个角，记为角α，接着使用P′和Q′对应的坐标计算sinα，同时得到pi和qi之差的绝对值； 同理，还包括将上述二维坐标点P′和Q′分别投影到pj和qj、pk和qk所在的平面上进行角度β和γ和正弦计算，包括绝对值； 在此基础上，定义一个衡量概率向量P和Q相似度的公式，用于上述过程中获得的角度和差异的信息，表达式如下： similarityi,j,k＝sinα*|pi-qi|+sinβ*|pj-qj|+sinγ*|pk-qk| S24、相似度累加：将重组得到个向量的相似度进行累加，对于特定图像输入x1和x2，在进行n个类别的分类任务时，通过公式来计算图像x1和x2之间的相似度： Similarityx1,x2＝∑similarttyi,j,k； S3、将经过步骤S2优化后的选择集和候选集作为初始集合，通过计算候选集中图像与选择集中图像的相似度来进行选择，返回最后得到的选择集合。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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。