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！

龙图腾网获悉四川页岩气勘探开发有限责任公司申请的专利基于多模态健康数据融合的员工工作能力评估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：CN119443926B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202411486902.0，技术领域涉及：G06Q10/0639；该发明授权基于多模态健康数据融合的员工工作能力评估方法是由李阳;唐编;王小强;林昕昕;赵漾;黄诗鸿;马玉梅;李杉;李达;余林瑶;王亚丽;赵潇雨;黄世伟;范蕾;刘翀;凌子茹设计研发完成，并于2024-10-23向国家知识产权局提交的专利申请。

本基于多模态健康数据融合的员工工作能力评估方法在说明书摘要公布了：本发明公开了一种基于多模态健康数据融合的员工工作能力评估方法，其包括获取待测评员工的体检数据的多个健康指标值、心理测评数据的多个自评量表得分及穿戴设备数据的多个生理监测指标值；对获取的数据进行标准化处理，并分别将标准化后的数据转换为特征向量；将体检数据和心理测评数据对应的特征向量分别输入已训练的多层感知机进行特征提取，得到体检特征向量和测评特征向量；将穿戴设备数据的特征向量输入已训练的长短期记忆网络进行特征提取，得到穿戴特征向量；将体检特征向量、测评特征向量和穿戴特征向量输入已训练的多模态学习模型的融合模块，进行特征融合，并将融合后的特征输入多模态学习模型的DNN模型，生成工作能力评分。

本发明授权基于多模态健康数据融合的员工工作能力评估方法在权利要求书中公布了：1.基于多模态健康数据融合的员工工作能力评估方法，其特征在于，包括步骤： S1、获取待测评员工的体检数据的多个健康指标值、心理测评数据的多个自评量表得分及穿戴设备数据的多个生理监测指标值； S2、对健康指标值、自评量表得分和生理监测指标值进行标准化处理，并分别将标准化后的体检数据、穿戴设备数据及心理测评数据转换为特征向量； S3、将体检数据和心理测评数据对应的特征向量分别输入已训练的多层感知机进行特征提取，得到体检特征向量和测评特征向量； S4、将穿戴设备数据的特征向量输入已训练的长短期记忆网络进行特征提取，得到穿戴特征向量； S5、将体检特征向量、测评特征向量和穿戴特征向量输入已训练的多模态学习模型的融合模块，进行特征融合，并将融合后的特征输入多模态学习模型的DNN模型，生成工作能力评分； 多模态学习模型的训练方法包括： 获取若干员工的体检特征向量、测评特征向量和穿戴特征向量； 获取每个员工融合后的特征，并获取每个员工的工作能力评分； 采用每个员工融合后的特征作为训练集中的模型输入特征，采用每个员工的工作能力评分作为训练集中的模型输出特征； 将训练集分批次输入DNN模型，并采用自适应模态权重优化算法AMWO对DNN模型进行训练，直至模型收敛或者训练次数达到预设次数，得到训练完成的DNN模型； 采用融合模块和训练完成的DNN模型构成已训练的多模态学习模型； 多模态学习模型的总损失函数的表达式为： 其中，为总损失函数；为步骤S5中的第i个特征向量的权重；Li为步骤S5中的第i个特征向量的损失值；和均为正则化系数；hi和hj分别为步骤S5中的第i个和第j个特征向量；n为步骤S5中每个员工输入多模态学习模型中的特征向量的总数量；T为转置； 对DNN模型进行训练时，更新第i个特征向量的模型参数的表达式为： ， 其中，和分别为第m+1次和m次训练时，步骤S5中的第i个特征向量的模型参数；为的梯度；为步骤S5中的第i个特征向量的学习率；为控制学习率调整的超参数；为初始学习率；为步骤S5中的第i个特征向量的权重；Li为步骤S5中的第i个特征向量的损失值。

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四川页岩气勘探开发有限责任公司，其通讯地址为：641100 四川省内江市东兴区太白路69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。