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！

龙图腾网获悉湖北民族大学申请的专利基于深度学习的多模态数据分类方法及系统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：CN115238795B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202210883913.7，技术领域涉及：G06F18/2415；该发明授权基于深度学习的多模态数据分类方法及系统是由周丙涛;向勉;程宇阳设计研发完成，并于2022-07-26向国家知识产权局提交的专利申请。

本基于深度学习的多模态数据分类方法及系统在说明书摘要公布了：本发明提出了一种基于深度学习的多模态数据分类方法及系统。该方法为：获取N组数据，并将其分为训练集、验证集和测试集；将训练集进行训练；将最后一次训练后的验证结果记为矩阵S；采用测试集于训练完成后的深度学习网络模型进行测试，每组测试数据得出一个softmax矩阵R；将矩阵S中的元素作为权重按对应分类对应模态特征与每组测试数据对应的softmax矩阵R中的元素相乘，得到每组测试数据的矩阵F；将矩阵F中同一分类的不同模态对应的机率相加，得到矩阵Fr；对矩阵Fr进行softmax处理，得到最终分类结果。该基于深度学习的多模态数据分类方法降低了神经网络过拟合度，提升多模态形式的神经网络分类能力。

本发明授权基于深度学习的多模态数据分类方法及系统在权利要求书中公布了：1.一种基于深度学习的多模态数据分类方法，其特征在于，包括以下步骤： 获取N组人体运动信息数据，每组数据包括人体运动加速度和或角速度，人体表面肌电，足底压力中至少两种模态特征，将所述N组数据按组分为训练集、验证集和测试集； 构建深度学习网络模型，该深度学习网络模型中包含多个神经网络，将训练集的数据于所述深度学习网络模型中进行训练，训练时，将不同模态的特征使用与模态对应的神经网络进行训练； 使用验证集对训练后的深度学习网络模型进行验证，将最后一次训练后的验证结果记为矩阵S,矩阵S中的各元素为各分类的各模态特征的分类查准率； 采用测试集于训练完成后的深度学习网络模型进行测试，测试时，将不同模态的特征使用训练好的与模态对应的神经网络进行运算，每组测试数据得出一个softmax矩阵R，softmax矩阵R中各元素为各分类的各模态特征的softmax值； 将每组测试数据对应的softmax矩阵R进行带权重整合处理，将矩阵S中的元素作为权重按对应分类对应模态特征与每组测试数据对应的softmax矩阵R中的元素相乘，得到每组测试数据的矩阵F； 将每组测试数据对应的矩阵F中同一分类的不同模态对应的机率相加，得到每组测试数据的最终softmax结果矩阵Fr； 对每组测试数据对应的最终softmax结果矩阵Fr进行softmax处理，得到每组测试数据的最终分类结果。

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湖北民族大学，其通讯地址为：445000 湖北省恩施土家族苗族自治州恩施市学院路39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”。