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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利一种基于时序网络模型的目标行动区域聚类预测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：CN120336900B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202510827882.7，技术领域涉及：G06F18/23213；该发明授权一种基于时序网络模型的目标行动区域聚类预测方法是由陈超;雷军;孙博良;王刚;李鹏;石建迈;范长俊设计研发完成，并于2025-06-20向国家知识产权局提交的专利申请。

本一种基于时序网络模型的目标行动区域聚类预测方法在说明书摘要公布了：本发明公开了一种基于时序网络模型的目标行动区域聚类预测方法，包括以下步骤：对原始态势数据进行预处理；基于业务规则和具体的态势数据内容建立关于目标行为画像，确定目标行为特征；利用DBSCAN算法在经过预测后的目标态势数据上进行挖掘，通过聚类方法计算出所有目标的行为特征；基于特征集中的特征数目建立基于LSTM结构的目标行为预测网络模型，并确定网络模型的训练损失函数；基于SGD算法训练网络模型，训练收敛后将模型的权重及网络结构导出到文件中保存；导入训练好的模型权重，应用到实时目标数据中，并对目标的行动或区域进行预测输出。本发明具有较高预测准确性和实时性，可快速识别和预测目标的行动趋势。

本发明授权一种基于时序网络模型的目标行动区域聚类预测方法在权利要求书中公布了：1.一种基于时序网络模型的目标行动区域聚类预测方法，其特征在于，包括以下步骤： S1：对原始态势数据进行预处理，包含数据筛选和数据清理； S2：基于业务规则和具体的态势数据内容建立关于目标行为画像，确定目标行为特征； S3：利用DBSCAN算法在经过预测后的目标态势数据上进行挖掘，通过聚类方法计算出所有目标的行为特征，聚类处理后的结果形成关于目标的特征数据集，用于训练后续的神经网络模型； S4：基于特征集中的特征数目建立基于LSTM结构的目标行为预测网络模型，并确定网络模型的训练损失函数； S5：基于SGD算法训练网络模型，训练收敛后将模型的权重及网络结构导出到文件中保存； S6：导入训练好的模型权重，应用到实时目标数据中，并对目标的行动或区域进行预测输出； 步骤S3还包括： S31：标记各个目标所有历史行为记录的初始状态为True； S32：从中随机抽取出一条行为记录，更换其标记为False：以为中心点作圆，遍历该行为记录对应目标的行为数据集中的所有标记为True的对象； S33：判断该条行为记录的属性：若以为中心、以为半径所作圆内的历史行为频次，则标记该条行为记录为簇中心点并创建对应簇，将簇内目标记录时间的平均值作为该簇的标准时间，再随机抽取下一条行为记录，转入S32，直至目标的全部历史行为记录均遍历，即全部行为记录标记为False，转入S34； S34：若目标所标记的中心点总数为0，则表示该目标无固定行为规律，直接转入S38，若目标所标记的中心点总数不为0，则转入S35； S35：对于某簇下的任意两个中心点，如若其记录时间间隔小于EPS，则将两点相连，将相连的中心点及其邻域内的全部点构成一个组合簇；若某一中心点不与其他任何中心点相连，那么该中心点及其邻域内的全部点自成一簇：没有构成簇的历史行为记录便记为噪声点，表示个体目标随机行为； S36：输出个体目标所生成的全部簇： ； S37：将全部簇内关键区域与坐标集对应匹配，得到个体行为时空特性，其中是根据目标行动关键点集合生成的航迹片段编号： ； 进而整合输出目标的个体行为时空特性矩阵； ； S38：输入下一个目标ID的历史行为记录集，转入S31，直至遍历完所有目标ID，算法结束。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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”。