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！

龙图腾网获悉北京理工大学申请的专利一种多模态数据融合的智能决策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：CN119337313B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202411450195.X，技术领域涉及：G06F18/25；该发明授权一种多模态数据融合的智能决策系统是由邓杰峰;王文明设计研发完成，并于2024-10-17向国家知识产权局提交的专利申请。

本一种多模态数据融合的智能决策系统在说明书摘要公布了：本发明公开了一种多模态数据融合的智能决策系统，涉及多模态融合技术领域，决策系统包括：数据采集模块，收集来自不同来源的多模态数据；数据预处理模块，使用自适应预处理算法，根据不同数据模态的特性动态调整预处理策略，基于预处理策略，对数据进行预处理；特征提取模块，基于特征提取模型，对数据进行特征提取；数据融合模块，基于图神经网络进行数据融合；决策模型模块，引入强化学习机制，更新决策模型；可视化与交互模块，提供友好的用户界面。本发明提出引入强化学习机制，使得系统能够不断学习和优化决策策略，依据最新的融合特征进行智能决策，这一机制的引入，显著提升了决策的灵活性和准确性，适应性强，能够处理复杂决策场景。

本发明授权一种多模态数据融合的智能决策系统在权利要求书中公布了：1.一种多模态数据融合的智能决策系统，其特征在于，决策系统包括： 数据采集模块：用于收集来自不同来源的多模态数据，基于边缘计算技术，在数据产生源头进行初步处理； 数据预处理模块：数据预处理模块与数据采集模块电性连接，所述数据预处理模块用于使用自适应预处理算法，根据不同数据模态的特性动态调整预处理策略，基于预处理策略，对数据进行预处理； 特征提取模块：特征提取模块与数据预处理模块电性连接，所述特征提取模块用于基于特征提取模型，对数据进行特征提取； 数据融合模块：数据融合模块与特征提取模块电性连接，所述数据融合模块用于基于图神经网络进行数据融合，捕获不同模态之间的复杂关系和图结构信息，进行数据融合； 决策模型模块：决策模型模块与数据融合模块电性连接，所述决策模型模块用于引入强化学习机制，更新决策模型，基于决策模型以及融合的特征进行智能决策的制定； 可视化与交互模块：可视化与交互模块与决策模型模块和数据融合模块电性连接，所述可视化与交互模块用于提供友好的用户界面，展示决策结果和相关数据分析； 所述数据预处理模块具体包括： 数据类型识别单元：识别输入数据的模态，包括图像、文本与时间序列，使用元数据和基本特征进行识别； 特征分析单元：分析不同数据模态的特征，其中，数据模态特征分析公式为： 式中，v为数据集的变异程度的度量，n为数据集中的总数据点数量，xi为数据集中第i个数据点的值，m为数据集的均值； 自适应预处理策略生成单元：基于数据模态特征分析结果，动态生成预处理策略； 数据清洗单元：去除原始数据中的噪声和缺失值； 数据转换单元：将数据进行标准化，以及独立编码； 数据增强单元：基于图像变换技术进行图像以及文本的数据模态的数据增强； 所述数据融合模块具体包括： 输入单元：接收来自特征提取单元的边缘特征和纹理特征，并将这些特征组织成图结构； 图构建单元：将每个模态的特征向量作为图中的节点，根据不同模态之间的关系构建边，并赋予权重； 图神经网络模型单元：基于图卷积网络模型，定义消息传递的规则，包括邻居节点的信息聚合，每个节点在接收到邻居的消息后更新其特征，基于池化操作，经过迭代，从所有节点中提取全局特征； 融合特征生成单元：基于加权平均的方法，将全局特征与其他模态的特征进行融合，生成最终的融合特征； 所述融合特征生成单元具体包括： 从图神经网络获得的全局特征； 基于从图神经网络获得的全局特征与来自不同模态的特征向量进行维度的统一； 为每个模态特征定义权重，使用加权平均公式来融合特征； 所述为每个模态特征定义权重，使用加权平均公式来融合特征具体包括： 其中，加权平均公式为： 式中，h总为融合特征向量，w为全局特征f的权重，f为从图神经网络提取的全局特征向量，N表示不同模态的数量，wi为第i个模态特征h的权重，hi为第i个模态特征向量。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5号北京理工大学；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。