Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国科学院空天信息创新研究院常颖获国家专利权

中国科学院空天信息创新研究院常颖获国家专利权

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!

龙图腾网获悉中国科学院空天信息创新研究院申请的专利基于多维特征融合的模型训练方法和轨迹预测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:CN120561884B

龙图腾网通过国家知识产权局官网在2025-11-14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:202511053430.4,技术领域涉及:G06F18/26;该发明授权基于多维特征融合的模型训练方法和轨迹预测方法是由常颖;刘璇;刘勇;赵新昱设计研发完成,并于2025-07-30向国家知识产权局提交的专利申请。

基于多维特征融合的模型训练方法和轨迹预测方法在说明书摘要公布了:本发明提供了一种基于多维特征融合的模型训练方法和轨迹预测方法,可以应用于人工智能技术领域。该模型训练方法包括:对多个轨迹序列进行聚类处理,得到与多个轨迹行为规律各自对应的轨迹簇;分别对多个轨迹簇进行双向时间特征提取和空间特征提取;并利用词嵌入模型,对多个轨迹序列各自的辅助语义信息进行语义编码,得到多个轨迹簇各自的辅助特征集;基于多个轨迹簇各自的双向时间特征集、空间特征集、辅助特征集之间的关联关系,分别对多个轨迹簇进行特征融合,利用得到的多维融合特征集对初始模型进行训练,得到与多个轨迹行为规律各自对应的目标预测子模型,弥补了相关技术中仅依赖双向时间特征集和空间特征集的预测对于复杂场景的误判。

本发明授权基于多维特征融合的模型训练方法和轨迹预测方法在权利要求书中公布了:1.一种基于多维特征融合的模型训练方法,其特征在于,包括: 对多个轨迹序列进行聚类处理,得到与多个轨迹行为规律各自对应的轨迹簇,包括: 基于多维预定策略,分别对预处理后的多个轨迹序列进行切割处理,得到多个目标轨迹子序列; 基于滑动窗口,对所述多个目标轨迹子序列进行特征提取,得到与所述多个目标轨迹子序列各自对应的特征序列; 基于多个所述特征序列,对所述多个轨迹序列进行聚类处理,得到与所述多个轨迹行为规律各自对应的多个轨迹簇,其中,所述多维预定策略包括速度策略和航向策略,所述轨迹序列包括多个轨迹点数据,所述轨迹点数据包括航向角数据和加速度数据,所述目标轨迹子序列包括变速直线轨迹子序列、匀速直线轨迹子序列、变速非直线轨迹子序列或匀速非直线轨迹子序列; 分别对多个所述轨迹簇进行时空特征提取,得到多个所述轨迹簇各自的双向时间特征集和空间特征集,其中,所述双向时间特征集包括时间维度上的前向特征和后向特征,所述空间特征集包括空间维度上的特征; 利用词嵌入模型,对所述多个轨迹序列各自的辅助语义信息进行语义编码,得到所述多个轨迹簇各自的辅助特征集; 基于所述多个轨迹簇各自的双向时间特征集、空间特征集、辅助特征集之间的关联关系,分别对所述多个轨迹簇进行特征融合,得到所述多个轨迹簇各自的多维融合特征集; 利用所述多个轨迹簇各自的多维融合特征集对初始模型进行训练,直至模型参数满足预定收敛条件,得到目标预测模型,其中,所述目标预测模型包括与所述多个轨迹行为规律各自对应的目标预测子模型。

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中国科学院空天信息创新研究院,其通讯地址为:100190 北京市海淀区北四环西路19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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。