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！

龙图腾网获悉东北大学申请的专利基于多尺度度量学习的人类活动识别综合优化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：CN116680613B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202310684496.8，技术领域涉及：G06F18/241；该发明授权基于多尺度度量学习的人类活动识别综合优化方法是由王之琼;刘涵瑜;赵伯阳;戴楚博;孙博鑫;李昂设计研发完成，并于2023-06-09向国家知识产权局提交的专利申请。

本基于多尺度度量学习的人类活动识别综合优化方法在说明书摘要公布了：本发明提供一种基于多尺度度量学习的人类活动识别综合优化方法，涉及传感器的人类活动识别技术领域。传感器采集到的数据经过处理后，通过使用BorderlineSMOTE上采样算法对数据集之中的少数类的边界样本的过采样，构建全新的MAG‑Res2Net神经网络模型对特征数据的提取融合与优化，再通过结合损失函数方法对特征进行分类训练，最后对网络模型的评估与改进，识别出人类活动，从而解决人类活动识别过程中数据不平衡、特征提取难、分类精度低的问题。

本发明授权基于多尺度度量学习的人类活动识别综合优化方法在权利要求书中公布了：1.一种基于多尺度度量学习的人类活动识别综合优化方法，其特征在于，包括： 步骤1：采集关于人类活动的信号数据，整理成表格数据后进行缺失值处理； 步骤2：提取传感器数据中的时间序列，并对时间序列数据进行预处理； 步骤3：当步骤2处理后的时间序列数据集中存在类别不平衡问题时，通过Borderline-SMOTE上采样算法对数据集中的少数类的边界样本进行过采样，得到类别样本数量均衡的数据集； 步骤4：构建一种全新的多尺度注意力机制的门控残差深度卷积神经网络模型MAG-Res2Net，并利用神经网络模型对数据集进行特征提取； 步骤4.1：在ResNet模块的基础上依次加入多尺度滤波器、门控模块以及ECA注意力模块构建全新的深度卷积神经网络模型； 步骤4.1.1：建立一个ResNet模块，用一组比3×3卷积核更小的滤波器组替换n个通道的3×3卷积核，每个都是w个通道，并将滤波器组以类残差的层次化方式连接,形成Res2Net模块； 步骤4.1.2：在每个3×3卷积后加入门控模块，形成Gated-Res2Net模块； 步骤4.1.3：将Gated-Res2Net模块和ECA注意力模块相结合，形成全新的多尺度注意力机制的门控残差深度卷积神经网络模型MAG-Res2Net； 步骤4.2：将数据集送入建立的网络模型进行特征提取、特征组合、预测； 步骤4.2.1：数据集经过1×1卷积后被分为i份数据，将第一份数据之外的其他数据送入3×3卷积； 步骤4.2.2：步骤4.2.1处理后得到的数据由门控模块选择在取值上阈值范围为1±δ的的特征，将选取的有效特征进行映射，然后传入网络模型的下一层，特征映射公式包括： ； ；； 式中，为输入特征映射，表示当前输入的数据，X为原始特征映射，为上一层的输出特征映射，表示上一层的输出结果，为下一个输入特征映射，为3×3卷积层，为原始特征映射X经过一层3×3卷积得到的特征映射，为上一层的输出特征映射经过一层3×3卷积得到的特征映射，为当前输入的特征映射经过一层3×3卷积得到的特征映射，concat为向量拼接函数，为经过特征映射的拼接后得到的特征映射，为经过一层全连接神经网络得到的特征映射，为激活函数中的双曲正切函数，为门控向量，通过对进行非线性变换得到； 步骤4.2.3：步骤4.2.2处理后的数据映射形成i份数据，经过堆叠之后送入1×1卷积，映射公式如下： ； 式中，为第i个输入数据，表示当前层的输入，为第i个输出特征映射，表示当前层的输出结果，为卷积操作，将输入数据进行卷积处理得到特征表达，为门控向量，为神经网络的层数，表示整个网络的深度； 步骤4.2.4：将经过1×1卷积之后的数据送入到ECA注意力模块，ECA注意力模块对输入的特征数据进行全局平均池化，得到一个通道数为1的特征向量，对特征向量进行一维卷积； 步骤4.2.5：对进行一维卷积后的向量进行Sigmoid激活函数操作，得到一个取值范围在0到1之间的向量； 步骤4.2.6：将得到的向量与输入的原始特征数据进行逐元素相乘的操作，得到加权后的特征数据； 步骤5：结合中心损失和交叉熵损失两种函数及优化算法对网络模型进行训练，将采集的数据输入到训练后的模型中进行人类活动分类。

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路3号巷11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。