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！

龙图腾网获悉之江实验室申请的专利一种基于空间结构图学习的多维异步时序数据分类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：CN116257787B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202211093466.1，技术领域涉及：G06F18/241；该发明授权一种基于空间结构图学习的多维异步时序数据分类方法是由王振;姜婷;许增辉;张吉;张阳设计研发完成，并于2022-09-08向国家知识产权局提交的专利申请。

本一种基于空间结构图学习的多维异步时序数据分类方法在说明书摘要公布了：本发明属于图计算与时序数据预测领域，公开了一种基于空间结构图学习的多维异步时序数据分类方法，该方法考虑到传感器间的互相作用，将每一时间点的多维数据分别构建成图，使用图神经网络实现各传感器数据信息更新，同时在信息传播的过程中对缺失的观测值进行填充，并利用基于时间间隔的Transformer机制学习不同时刻间的相互关系。本发明在对异步时序数据进行分类的过程中，实现了信息在不同传感器间相互传播，并对缺失的观测值进行填充，提高了算法在数据大量缺失下的鲁棒性，同时考虑时序数据在时序上的相关性，提高了多维异步时序数据的分类效果。

本发明授权一种基于空间结构图学习的多维异步时序数据分类方法在权利要求书中公布了：1.一种基于空间结构图学习的多维异步时序数据分类方法，其特征在于，包括以下步骤： 步骤一：采集医疗数据，根据单个多维异步时序样本数据情况，将缺失的观测值赋值为0，将时序数据在单个样本上对齐，根据所有样本的最长时间长度，将所有样本时长对齐； 对于给出的N个多维异步时序样本数据其中yi∈{1,2,...,C}是样本Si的标签，首先针对每个单一样本其中表示样本在F个传感器{u1,u2,...,uF}上观测到数据的时间，表示样本Si的传感器u在时间τ的观测值，若观测值缺失，则将其填充为0；将所有时间序列时长都统一转化为T，其中T为所有观测样本的最长时长，具体操作为：对于所有时长大于T的序列，取其最近的T个时长；对于时长小于T的序列，通过在其后填充0的方式将其补齐为时长T； 步骤二：针对每个样本，初始化所有传感器间的关系图结构为有向全连接图，其中每条有向边的权重为1，该关系图结构会随着消息传递过程进行更新迭代； 步骤三：针对每个样本，通过消息传递机制对样本每个时间点上所有传感器数据信息进行更新，并根据消息传播过程中产生的注意力权重更新图结构； 步骤四：考虑样本中每个传感器不同时间前后的关联，使用基于时间间隔的Transformer方法，集成传感器各个时间点的数据，生成单个传感器嵌入表达； 传感器嵌入表达生成阶段，针对样本Si，首先将其在传感器u上时刻τ嵌入表达信息与时间位置编码pτ进行拼接*T表示矩阵的转置，此时表示样本Si在传感器u上时刻τ的包含时间位置信息的嵌入表达，矩阵表示样本Si在传感器u上的嵌入表达； 然后使用基于时间间隔的自注意力机制代替Tansformer中的标准自注意力机制，使用生成和 其中分别表示与生成query、key、value相关的可训练矩阵参数，并使用全连接层来获取时间间隔信息，具体计算过程为： 其中为基于时间间隔的自注意力权重，为最终的输出，σ为Softmax函数，为样本Sk的时间间隔矩阵，其中Tk＝{tk,1,tk,2,...,tk,T}表示样本Sk的时间序列，而表示时刻tk,i和tk,j间的时间间隔，对时间间隔矩阵进行规范化操作：其中表示时间间隔矩阵除0外的最小值； 将样本Si在传感器u上有观测值的时刻数据进行汇总，获得样本Si在传感器u上的掩码嵌入表达： 其中表示矩阵的第j列列向量，为样本Si在传感器u上的掩码向量，表示样本Si在传感器u上的观测值的哪一部分是缺失值： 表示向量的第j个元素； 步骤五：将样本各传感器的数据与样本静态特征进行结合，获得样本最终特征，最后使用线性分类方法对样本进行分类训练。

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之江实验室，其通讯地址为：311100 浙江省杭州市余杭区中泰街道之江实验室南湖总部；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。