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！

龙图腾网获悉山东省海洋资源与环境研究院(山东省海洋环境监测中心、山东省水产品质量检验中心)申请的专利一种基于记忆混合原型与知识蒸馏的海洋生物群落监测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：CN120354318B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202510837471.6，技术领域涉及：G06F18/2433；该发明授权一种基于记忆混合原型与知识蒸馏的海洋生物群落监测方法及系统是由赵玉庭;张超;程玲;于宁;聂婕;苏博;金晓杰;左子杰设计研发完成，并于2025-06-23向国家知识产权局提交的专利申请。

本一种基于记忆混合原型与知识蒸馏的海洋生物群落监测方法及系统在说明书摘要公布了：本发明涉及海洋生物群落监测技术领域，尤其是涉及一种基于记忆混合原型与知识蒸馏的海洋生物群落监测方法及系统。方法包括对获取的多源异构监测数据进行数据预处理；利用预处理后的数据构建多模态联合特征；利用多模态联合特征进行跨模态教师模型训练；基于历史海洋生态序列数据对学生模型进行训练；利用跨模态教师模型对学生模型进行强化知识蒸馏；利用训练好的学生模型进行海洋生态群落时间序列预测；基于历史数据与预测数据进行异常检测。基于对现有海洋生物群落监测技术瓶颈的突破，本发明实现了多维度的技术提升与应用价值。

本发明授权一种基于记忆混合原型与知识蒸馏的海洋生物群落监测方法及系统在权利要求书中公布了：1.一种基于记忆混合原型与知识蒸馏的海洋生物群落监测方法，其特征在于，包括： 获取多源异构监测数据； 对获取的多源异构监测数据进行数据预处理； 利用预处理后的数据构建多模态联合特征； 利用多模态联合特征进行跨模态教师模型训练； 基于历史海洋生态序列数据对学生模型进行训练； 利用跨模态教师模型对学生模型进行强化知识蒸馏； 利用训练好的学生模型进行海洋生态群落时间序列预测； 基于历史数据与预测数据进行异常检测； 所述对获取的多源异构监测数据进行数据预处理，包括针对生物光学影像采用双边滤波算法对原始影像进行去噪，通过空间邻近度与像素相似度的联合加权，抑制水体浑浊导致的散射噪声；对时域回波信号进行短时傅里叶变换，通过汉宁窗函数截取局部信号段，生成时频矩阵；对温度和盐度数值型数据进行标准化处理；对文本数据采用SBERT模型将生态关系三元组文本编码为768维语义嵌入向量； 所述利用预处理后的数据进行跨模态教师模型训练，包括为多模态联合特征添加可学习位置编码PE得到初始状态，再由CLMs进行处理以生成上下文嵌入，包括矫正注意力、层归一化及前馈运算，最后利用Transformer编码器PT编码器·，通过文本模态中的来重建时间序列模态中的真实值，实现跨模态重建，其中，CLMs中的LN和FFN定义如下： 其中是经过第二层LN后的输出，和是可学习的缩放与平移参数，和分别表示均值与标准差，代表逐元素相乘； 所述基于历史海洋生态序列数据对学生模型进行训练，包括给定历史数据，逆向嵌入层将转换为可学习的矩阵，以捕捉跨多个变量的时间依赖性，首先通过可逆实例进行归一化处理，以减轻分布偏移的影响，随后，归一化后的嵌入表示随后被送入一个Transformer编码器TST编码器·，用于建模多变量间的时间依赖关系，最终输出以融合时序与跨变量的特征； 所述利用跨模态教师模型对学生模型进行强化知识蒸馏，包括通过对齐教师网络中的强化ET编码器·与学生时间序列TST编码器·之间的注意力图，促使学生模型模仿教师的行为实现正相关性蒸馏；通过对齐教师模型与学生模型的嵌入空间实现特征蒸馏；整体蒸馏损失结合相关性蒸馏损失与特征蒸馏损失，以指导学生的学习过程，总知识蒸馏损失定义为： 其中，和是用于平衡相关性蒸馏损失与特征蒸馏损失贡献的超参数； 所述利用训练好的学生模型进行海洋生态群落时间序列预测，包括采用学生模型进行推理，其中，是来自蒸馏学生模型的时间序列嵌入表示，将输入至投影函数中以完成未来预测，表示为： 其中为海洋生态群落历史数据输入，代表海洋生态群落预测结果，与为可学习参数，最终输出进行归一化处理，预测损失采用SL1损失函数：其中，代表预测样本量的数量。

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山东省海洋资源与环境研究院(山东省海洋环境监测中心、山东省水产品质量检验中心)，其通讯地址为：264006 山东省烟台市经济开发区长江路216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”。