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！

龙图腾网获悉北京交通大学申请的专利一种基于张量分解与重构思想的行人流走行数据补全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：CN116881644B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202310920467.7，技术领域涉及：G06F18/15；该发明授权一种基于张量分解与重构思想的行人流走行数据补全方法是由张慧;徐杰;秦勇设计研发完成，并于2023-07-25向国家知识产权局提交的专利申请。

本一种基于张量分解与重构思想的行人流走行数据补全方法在说明书摘要公布了：本发明提供了一种基于张量分解与重构思想的行人流走行数据补全方法。该方法包括：构建基于改进CP分解加权优化的张量分解与重构算法；利用遗传算法对算法中张量的秩R、正则化参数和学习率rη三个超参数进行参数调优，在验证所述改进算法的数据补全效果合格后，得到训练好的基于CP分解加权优化的张量分解与重构算法；构建不同场景下的高维稀疏行人走行速度张量，利用训练好的基于改进CP分解加权优化的张量分解与重构算法进行张量的分解与重构，对稀疏行人速度张量中的缺失值进行补全。本发明方法通过数据驱动模型进行场景拓展，可以有效预测高维、稀疏数据中的缺失值，适用于行人动力学研究中高维稀疏数据的补全。

本发明授权一种基于张量分解与重构思想的行人流走行数据补全方法在权利要求书中公布了：1.一种基于张量分解与重构思想的行人流走行数据补全方法，其特征在于，包括： 构建基于改进CP分解加权优化的张量分解与重构算法； 利用遗传算法对所述基于改进CP分解加权优化的张量分解与重构算法中张量的秩R、正则化参数和学习率三个超参数进行参数调优，在验证所述基于改进CP分解加权优化的张量分解与重构算法的数据补全效果合格后，得到训练好的基于改进CP分解加权优化的张量分解与重构算法； 构建不同场景下的高维稀疏行人走行速度张量，利用训练好的基于改进CP分解加权优化的张量分解与重构算法进行张量的分解与重构，对稀疏行人速度张量中的缺失值进行补全； 所述的构建基于改进CP分解加权优化的张量分解与重构算法，包括： 在CP分解加权优化算法的基础上，从权重目标函数值和变量梯度值优化的角度，利用自适应梯度算法对CPWOPT算法进行改进，得到改进的CPWOPT张量分解与重构算法，所述改进的CPWOPT张量分解与重构算法的处理流程包括： 对CPWOPT算法中目标函数进行正则化处理，构建三阶行人走行参数张量模型，，其分解后的因子矩阵为，其中，，，张量分解的优化权重目标函数为： 29 在目标函数29中添加Tikhonov正则化项： 30 其中，为因子矩阵权重衰减参数，体现了因子矩阵在整个目标函数中的重要程度； 将优化的权重目标函数改写为如下形式： 31 其中，，，行人速度张量是确定的，在整个迭代过程中，张量不发生变化，能够提前计算，而正则化项为各因子矩阵的Frobenius范数的平方和，每次迭代开始时，因子矩阵是确定的，正则化项直接计算得到； 将稀疏张量中已知值的索引，即二元指示张量中元素为1的位置，有序放入集合，为三维向量，，将张量中的已知值存储在长度为Q的向量中，即： 32 ，对于，张量中缺失值位置 在对应张量中取值也一定为0，只需要计算对应的张量中元素，给出向量表示张量中的已知值； 33 在计算机运算过程中，令： 34 35 向量的计算方法为： 36 则向量的计算方法为： 37 在每次迭代过程中一次计算一个向量，优化的权重目标函数31改写为： 38 其中，为常数，； 优化的权重目标函数对各因子矩阵的偏导数为： 39 其中，、为张量、的n阶矩阵化，的计算公式如下： 40 利用自适应梯度算法对所述基于改进CP分解加权优化的张量分解与重构算法的学习率进行自适应调整。

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交通大学，其通讯地址为：100044 北京市海淀区西直门外上园村3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。