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！

龙图腾网获悉新疆大学申请的专利一种基于双模光谱交互学习的高阶张量多模态融合方法和模型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：CN117315427B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202311380426.X，技术领域涉及：G06V10/80；该发明授权一种基于双模光谱交互学习的高阶张量多模态融合方法和模型是由陈程;陈晨;吕小毅设计研发完成，并于2023-10-24向国家知识产权局提交的专利申请。

本一种基于双模光谱交互学习的高阶张量多模态融合方法和模型在说明书摘要公布了：本发明为具体涉及一种基于双模光谱交互学习的高阶张量多模态融合方法和模型。一种基于双模光谱交互学习的高阶张量多模态融合方法，包括：S10：输入拉曼光谱和红外光谱数据；S20：通过高阶张量外积，所述的拉曼光谱与红外光谱数据进行非级联多模光谱融合表征；S30：计算正交性损失、重建损失、对抗损失，通过对所述的拉曼光谱特征和红外光谱特征进行独特的表征学习来弥补异质性差异。本发明所述的一种基于双模光谱交互学习的高阶张量多模态融合方法和模型，通过BHTF获得双模光谱信息的高阶交互融合特征有效实现多模态数据信息融合，并通过CMIL跨模态学习多模态数据间异质性，实现更准确的跨模态表示，提高了模型的鲁棒性。

本发明授权一种基于双模光谱交互学习的高阶张量多模态融合方法和模型在权利要求书中公布了：1.一种基于双模光谱交互学习的高阶张量多模态融合方法，其特征在于，包括以下步骤： S10：输入拉曼光谱和红外光谱数据； S20：通过高阶张量外积，让所述的拉曼光谱与红外光谱数据的非级联多模光谱融合表征，实现学习双模态之间的交互； 所述的步骤S20的具体处理为：先使用统一预对齐的编码器进行非线性映射，得到双模光谱的融合前表征；再采用高阶张量融合的方式，将不同光谱表征按照高阶矩阵乘法规则分别以行列的形式升维至三维空间，采用批量矩阵乘法进行高效融合；最后，将高阶交互的非级联融合特征映射回低维空间；具体处理步骤为： ①通过具有多层全连接架构的编码器Ec学习不同光谱模态的非线性表征zm，其公式如下： zm＝Echm；w,m∈{r,i} 式中，Ec表示双模光谱预融合的编码器函数，w表示Ec的参数，{r,i}分别表示为拉曼光谱和红外光谱数据； ②将双模态特征向量分别在第二、第三维度上升维以适配在高维空间上的批量矩阵乘法，形成双模光谱高阶交互的3-D融合张量，充分学习模态间动力学建模，其公式如下： zm'＝[zm,1],m∈{r,i}， 式中，表示向量之间的外积，zf∈Rr+1*i+1是双模光谱所有可能的组合的3-D张量立方体 ③将非级联融合张量zf送入解码器和分类器进行任务分类，其公式如下： z′f＝Dczf；w， 式中，w表示D的参数，z′表示经过全连接层解码器后的融合特征表征； S30：计算正交性损失、重建损失、对抗损失，通过对所述的拉曼光谱特征和红外光谱特征进行独特的表征学习来弥补不同光谱之间的异质性差异； 所述的步骤S30中，通过构建双模模态的共享表征编码器得到特定表征编码器得到编码器方程m∈{r,i},n∈{c,u}，其中n分别代表为共享编码器和特定编码器，再计算正交性损失、重建损失、对抗损失； 所述的正交性损失Ldiff的计算公式为： 所述的重建损失Lrec的计算公式为： 所述的对抗损失Ladv的计算公式为：Ladv＝Lf+Lt 其中，Lf为假对抗性损失，Lt为真对抗性损失，为通过判别器得到对的预测值。

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新疆大学，其通讯地址为：830046 新疆维吾尔自治区乌鲁木齐市天山区胜利路666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。