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！

龙图腾网获悉武夷学院申请的专利基于小波与注意力机制的云资源使用预测方法及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：CN121187896B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202511725255.9，技术领域涉及：G06F11/30；该发明授权基于小波与注意力机制的云资源使用预测方法及系统是由张振;魏毅;林丽惠设计研发完成，并于2025-11-24向国家知识产权局提交的专利申请。

本基于小波与注意力机制的云资源使用预测方法及系统在说明书摘要公布了：本发明公开了一种基于小波与注意力机制的云资源使用预测方法及系统，首先获取目标服务器的多维度资源使用序列并划分为训练子集与测试子集；采用滑动窗口机制生成输入样本集；随后构建包含小波注意力网络、多重注意力模块、小波重构模块和记忆增强自注意力模块的云资源预测模型；通过小波注意力网络将时间窗口样本分解为低频特征分量和高频特征分量；利用多重注意力模块分别生成低频特征向量和高频特征向量；经小波重构模块融合为重构样本序列；通过记忆增强自注意力模块生成增强特征表示；最后经全连接投影层输出未来时间段的云资源使用预测序列。本发明能够有效分离多频域时序特征并建模多元资源间交互关系，显著提升了预测精度与泛化能力。

本发明授权基于小波与注意力机制的云资源使用预测方法及系统在权利要求书中公布了：1.一种基于小波与注意力机制的云资源使用预测方法，其特征在于，包括： 获取目标服务器的多维度资源使用序列，所述多维度资源使用序列包含预设时间跨度内按时间顺序排列的多个资源观测向量，每个资源观测向量由多种资源类型的负载指标构成； 将所述多维度资源使用序列划分为训练子集与测试子集； 采用滑动窗口机制对所述训练子集进行时序采样，生成由多个连续时间窗口样本构成的输入样本集； 构建基于小波分析与注意力机制的云资源预测模型，所述云资源预测模型包括小波注意力网络、多重注意力模块、小波重构模块和记忆增强自注意力模块； 将所述输入样本集中的每个时间窗口样本输入至所述小波注意力网络，通过多尺度滤波与交互机制分解为低频特征分量和高频特征分量； 将所述低频特征分量与高频特征分量分别输入至所述多重注意力模块，通过自适应片段划分与多层次注意力计算，分别生成低频特征向量和高频特征向量； 将所述低频特征向量与高频特征向量输入至所述小波重构模块，通过加权重构机制融合为重构样本序列； 将所述重构样本序列输入至所述记忆增强自注意力模块，通过跨资源记忆共享与特征交互，生成增强特征表示； 将所述增强特征表示输入至全连接投影层进行维度映射，输出未来时间段的云资源使用预测序列； 其中，将所述输入样本集中的每个时间窗口样本输入至所述小波注意力网络，通过多尺度滤波与交互机制分解为低频特征分量和高频特征分量，包括： 对所述连续时间窗口样本分别进行低通滤波处理与高通滤波处理，生成对应的低频中间变量与高频中间变量； 对所述低频中间变量与高频中间变量分别进行降采样操作，得到低频子序列与高频子序列； 通过卷积神经网络对所述低频子序列进行特征提取，得到低频特征向量，并将所述低频特征向量与高频子序列进行交互计算，生成缩放变换后的低频子序列； 通过卷积神经网络对所述高频子序列进行特征提取，得到高频特征向量，并将所述高频特征向量与低频子序列进行交互计算，生成缩放变换后的高频子序列； 将所述低频子序列与缩放变换后的低频子序列进行特征融合，生成所述低频特征分量； 将所述高频子序列与缩放变换后的高频子序列进行特征融合，生成所述高频特征分量。

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武夷学院，其通讯地址为：354300 福建省南平市武夷山市百花路358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。