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！

龙图腾网获悉南京工业大学申请的专利一种基于输入特征多样性的深度学习软件测试充分性度量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：CN115495340B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202210426533.0，技术领域涉及：G06F11/3668；该发明授权一种基于输入特征多样性的深度学习软件测试充分性度量方法是由冯力超;刘悦;何芊芊;曾庆凡;唐健英;王兴亚设计研发完成，并于2022-04-22向国家知识产权局提交的专利申请。

本一种基于输入特征多样性的深度学习软件测试充分性度量方法在说明书摘要公布了：本发明涉及一种基于输入特征多样性的测试充分性度量方法。首先，分割训练集中的图像并生成像素区域集合；其次，对集合中的像素进行聚类来选取像素特征，计算所有像素特征的重要得分，组成重要特征集合；再次，计算并标记不同测试数据的重要特征；接着，根据重要特征对测试集进行人工聚类，计算并生成质心集合；然后，使用欧氏距离计算质心间的距离；最后，将质心集合转换为多维空间图，计算基于距离熵的测试集多样性，有效地评估测试集的充分性。本发明目的在于深度学习软件测试充分程度的评估问题，通过分析测试集的特征多样性，可以帮助软件测试人员提高软件测试的充分性和解释性，保障深度学习软件质量的方法。

本发明授权一种基于输入特征多样性的深度学习软件测试充分性度量方法在权利要求书中公布了：1.一种基于输入特征多样性的深度学习软件测试充分性度量方法，其特征在于，首先，依次取出训练集TR中的训练数据，根据图像像素区间s分割像素并生成像素区域集合T；其次，对T进行聚类，并使用训练集TR计算所有特征的重要得分score，选取得分最高的m个特征重新组成特征集合F；再次，依次取出测试集T中的数据，计算并标记得分score最高的特征作为重要特征，生成测试数据的特征标签数组L；接着，根据特征标签数组L对测试集T进行人工聚类，计算并生成质心集合C；然后，使用欧氏距离计算质心间的距离，生成相应的距离矩阵D；最后，将质心集合转换为多维空间的图G，计算基于距离熵的测试集多样性dis_entropy，有效地评估测试集的充分性，该方法包括下列步骤： 1训练数据图像分割，给定训练集TR＝{tr1,tr2,…,trn}，生成像素区域中心集合并用最低梯度算法更新，计算像素中心cj到像素点pk的欧式距离distancecj,pk，并用距离数组D保存；欧式距离的计算公式如下： 生成标签数组L记录像素点对应的像素区间，完成对像素的分割并生成像素区域集合T； 2CAV重要特征选择，给定训练集TR＝{tr1,tr2,…,trn}和像素区域集合T，对像素区域集合进行聚类，选取每个簇中距离质心最近的像素区域作为特征，生成特征集合F＝{f1,f2,…,fl}，使用训练集计算所有特征的重要得分，计算公式如下： 其中tri表示训练集中第i个数据，fj表示第j个特征，表示layer的梯度，flayer表示模型中的隐藏层layer的激活函数，表示特征fi的激活特征向量ConceptActivationVectors,CAV；并且，选取得分最高的m个特征重新组成特征集合； 3测试数据特征挖掘，输入测试集T＝{t1,t2,…,tn}，初始化特征标签数组L＝0,0,…,0和得分数组S＝0,0,…,0，根据训练数据图像切割和CAV重要特征选择步骤得到的重要特征集合F＝{f1,f2,…,fl}和训练完成的模型M，依次计算测试集中测试数据对特征的重要得分；计算公式如下： 其中ti表示测试集中第i个数据，fj表示第j个特征，表示layer的梯度，flayer表示模型中的隐藏层layer的激活函数，表示特征fi的CAV；标记得分最高的特征作为fj的重要特征，然后依此生成测试数据的特征标签数组L； 4多维空间数据聚类，输入测试集T＝{t1,t2,…,tn}和得到的特征标签数组L，初始化测试数据划分簇的质心集合C＝{c1,c2,…,cl}，根据特征标签数组依次划分测试数据所属质心，更新簇的质心集合直至所有测试数据和簇的质心集合完全遍历，通过ck＝ckum的计算方法得到第k个新簇的质心ck，其中num表示第k个新簇的测试数据数量； 5簇间质心距离度量，利用欧氏距离distanceci,cj计算簇质心集合中每两个质心之间的距离，并创建距离矩阵D，将每段距离的两个端点及距离大小信息存入矩阵D中：每行存储一条距离信息，其中前2列存储距离的两个端点、第3列存储距离的大小；对矩阵D中的行，按其第3列数据即距离的大小升序排序，然后输出矩阵D； 6分布多样性熵值计算，给定已存储距离信息、并已按距离大小升序排序的距离矩阵D，创建多维空间图G＝N,E；将矩阵D中的边及其两端点按权值依次从小到大加入图G，并在每次加边之后均检验图G中不存在回路，如果某边的加入导致图G中存在回路，则从图G中删去该边，并继续进行下一条边的添加；若图中的边已将质心集合中的质心全部连入图中，则停止加边；计算图G中边对应的权集合Γ＝{γ1,γ2,…,γl-1}内各元素的和γSum，并基于利用图G计算出的质心集合的距离熵计算测试集的多样性dis_entropy，其计算公式如下： 其中，γi表示集合Γ中的第i个元素；最后，通过dis_entropy有效地评估测试集的充分性。

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南京工业大学，其通讯地址为：211816 江苏省南京市江北新区浦珠南路30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。