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！

龙图腾网获悉江苏省质量和标准化研究院申请的专利基于卷积神经网络经营主体的分类统计控制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：CN121052847B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202511597366.6，技术领域涉及：G06Q30/018；该发明授权基于卷积神经网络经营主体的分类统计控制方法是由沈健威;黄洁;王理设计研发完成，并于2025-11-04向国家知识产权局提交的专利申请。

本基于卷积神经网络经营主体的分类统计控制方法在说明书摘要公布了：本发明提供的一种基于卷积神经网络经营主体的分类统计控制方法，属于统计控制技术领域，其包括：步骤1：对经营主体的主体营业数据进行数据预处理；步骤2：将数据预处理后的经营主体的主体营业数据送入改进型卷积神经网络进行处理，以此获取融合特征；步骤3：根据改进型卷积神经网络取得的融合特征进行分类统计控制，以此判断经营主体的营业类型；步骤4：若未判断出经营主体的营业类型，则将该经营主体标记为待审核，并进行人工审核。本发明分别优化处理主体营业数据中的数值型数据和类别型数据，准确提取交易分布规律，进而提高经营主体营业类型判断的准确性。

本发明授权基于卷积神经网络经营主体的分类统计控制方法在权利要求书中公布了：1.一种基于卷积神经网络经营主体的分类统计控制方法，其特征在于，包括： 步骤1：对经营主体的主体营业数据进行数据预处理； 步骤2：将数据预处理后的经营主体的主体营业数据送入改进型卷积神经网络进行处理，以此获取融合特征； 步骤3：根据改进型卷积神经网络取得的融合特征进行分类统计控制，以此判断经营主体的营业类型； 步骤4：若未判断出经营主体的营业类型，则将该经营主体标记为待审核，并进行人工审核； 步骤2具体包括： 步骤2-1：对数据预处理后的经营主体的主体营业数据应用双分支特征提取结构提取特征，其中双分支特征提取结构包括数值型数据特征提取分支与类别型数据特征提取分支； 步骤2-2：应用双分支特征提取结构提取特征后，引入通道注意力机制对提取而得的两类特征进行加权融合； 步骤2-1具体包括： 步骤2-1-1：采用数值型数据特征提取分支对数据预处理后的数值型数据进行特征提取，其具体包括： 采用一维卷积层对数据预处理后的数值型数据进行特征提取，一维卷积层的卷积核大小设为，卷积核的步长设为，一维卷积层的卷积操作公式为，其中，，为卷积核第个位置的权重，为时序位置对应的数据预处理后的数值型数据，为一维卷积层的偏置项，为一维卷积层的第个输出特征值； 步骤2-1-2：采用类别型数据特征提取分支对数据预处理后的类别型数据进行特征提取，其具体包括： 采用二维卷积层对数据预处理后的类别型数据进行进行特征提取，二维卷积层的卷积核大小设为，二维卷积层的卷积核的步长设为，二维卷积层的卷积操作公式为，其中和的计算公式分别为和，，，为动态注意力权重，的计算公式为，，为编码矩阵中非零元素的全局占比，编码矩阵为根据独热编码向量构成的矩阵，为缩放系数，=0.05为基础补偿项，=0.1为最小阈值，为编码矩阵中位置的元素值，为自适应偏置项，的计算公式为，为当前卷积核内的非零密度，为平衡系数，为二维卷积层的卷积核在位置的权重，为二维卷积层的位置输出的特征值； 在步骤2-1-1中，一维卷积层的卷积核大小与卷积核的步长的设置方法为： 卷积核大小的计算公式为： ； 其中：为该经营主体的交易周期，为周期敏感系数，为MAX函数； 卷积核的步长的计算公式为： ； 其中为尺度比例系数，为数据噪声指数，为噪声敏感系数，为MIN函数； 步骤2-2具体包括： 首先将一维卷积层与二维卷积层分别与第一池化层与第二池化层连接，第一池化层与第二池化层分别与第一全连接层与第二全连接层连接，第一全连接层与第二全连接层分别与第一Sigmoid激活函数与第二Sigmoid激活函数连接，第一Sigmoid激活函数与第二Sigmoid激活函数均与特征融合层连接； 一维卷积层与二维卷积层分别将构成第一特征图与将构成第二特征图，并将第一特征图与第二特征图分别传输至第一池化层与第二池化层； 接着第一池化层与第二池化层分别对第一特征图与第二特征图进行全局平均池化，以此分别得到数值型特征通道权重向量和类别型特征通道权重向量； 随后将数值型特征通道权重向量依次通过第一全连接层与第一Sigmoid激活函数后，以此取得数值型特征的注意力权重，将类别型特征通道权重向量依次通过第二全连接层与第二Sigmoid激活函数后，以此取得类别型特征的注意力权重； 最后，第一Sigmoid激活函数将与以及第二Sigmoid激活函数将与均传输至特征融合层，作为数值型数据的导出特征，作为类别型数据的导出特征，特征融合层对两个导出特征进行加权拼接，得到融合特征,的计算公式为； 在步骤2-2中，取得数值型特征的注意力权重与取得类别型特征的注意力权重的计算公式为： ； 其中为第一全连接层的权重矩阵，为第二全连接层的权重矩阵，为第一全连接层的偏置项，为第二全连接层的偏置项，为Sigmoid激活函数； 步骤3具体包括： 首先将特征融合层与第三全连接层连接，第三全连接层与Softmax函数连接，Softmax函数与输出层连接； 特征融合层将融合特征传至第三全连接层中，第三全连接层将融合特征映射到类别空间，以此输出经营主体的第类营业类型的对数概率，的计算公式为： ； 其中为经营主体的营业类型的数量，为第三全连接层对应第类营业类型的权重向量，为第三全连接层对应第类营业类型的偏置项； 第三全连接层将传至Softmax函数，Softmax函数将转化为总和为1的营业类型的概率分布，营业类型的概率分布中第类营业类型的概率为：； Softmax函数将传至输出层，输出层中预设有概率阈值，当第类营业类型的概率时，判定经营主体属于该类营业类型；当第类营业类型的概率时，判定经营主体不属于该类营业类型。

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江苏省质量和标准化研究院，其通讯地址为：210029 江苏省南京市秦淮区石鼓路227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。