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！

龙图腾网获悉南京信息工程大学申请的专利一种基于多模态特征融合的通用无损数据压缩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：CN120433778B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202510933081.9，技术领域涉及：H03M7/30；该发明授权一种基于多模态特征融合的通用无损数据压缩方法是由潘成胜;张晨曦;施建锋设计研发完成，并于2025-07-08向国家知识产权局提交的专利申请。

本一种基于多模态特征融合的通用无损数据压缩方法在说明书摘要公布了：本发明公开了一种基于多模态特征融合的通用无损数据压缩方法，包括：采集多模态原始数据，提取类型特征和内容特征；基于特征融合模块、液态神经网络、Transformer模块构建多模态特征融合模型，将类型特征和内容特征输入多模态特征融合模型进行融合，针对融合特征进行条件概率预测，输出每个符号的预测概率分布；采用算术编码方法对原始数据的字节序列进行压缩；在压缩过程中引入小批量在线训练机制，完成多模态特征融合模型的更新；本发明提供了一种高效、灵活且具有强大适应性的通用数据压缩解决方案，不仅能显著提高数字孪生系统等场景中多样化数据的压缩效率，还能在动态变化的环境中保持长期稳定的性能，具有广泛的应用前景。

本发明授权一种基于多模态特征融合的通用无损数据压缩方法在权利要求书中公布了：1.一种基于多模态特征融合的通用无损数据压缩方法，其特征在于，执行如下步骤S1-步骤S4，完成多种类型数据的融合和压缩： 步骤S1：采集多种类型的原始数据，包括文本、音频、图像、传感器数据，对各类型的原始数据进行预处理，并针对预处理后的各类型数据提取类型特征和内容特征，其中类型特征描述数据整体统计特性，内容特征保留原始数据的结构性信息； 步骤S2：基于交叉注意力模块、液态神经网络、Transformer模块构建并训练多模态特征融合模型，将类型特征和内容特征输入多模态特征融合模型进行融合，获得类型特征和内容特征的融合特征，针对融合特征的每个符号进行条件概率预测，输出每个符号的预测概率分布； 步骤S3：基于每个符号的预测概率分布，采用算术编码方法根据每个符号的预测概率分布动态分配编码区间，对原始数据的字节序列进行压缩； 步骤S4：在压缩过程中引入小批量在线训练机制，依据每个符号的预测概率分布与真实符号之间的负对数似然损失进行反向传播与梯度更新，完成多模态特征融合模型的更新，以及多种类型的原始数据的压缩。

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信息工程大学，其通讯地址为：210032 江苏省南京市江北新区宁六路219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”。