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！

龙图腾网获悉西北工业大学申请的专利一种针对创面微环境数据的多元时间序列数据增强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：CN114496280B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202210047105.7，技术领域涉及：G16H50/70；该发明授权一种针对创面微环境数据的多元时间序列数据增强方法是由谷建华;张倩如;赵天海设计研发完成，并于2022-01-14向国家知识产权局提交的专利申请。

本一种针对创面微环境数据的多元时间序列数据增强方法在说明书摘要公布了：本发明涉及一种针对创面微环境数据的多元时间序列数据增强方法，属于医疗领域和机器学习技术领域。基于动态时间规整算法进行样本间的相似性度量，通过随机选择一个样本作为基准样本，搜索与基准样本最近邻的K个同类别样本，对所有选择的样本相对于基准样本进行动态时间规整，并对规整后的样本集进行加权平均，将均值序列数据作为一个新的合成样本。通过随机权重和添加噪声的方式提高数据多样性，以弥补数据量不足时所带来的模型过拟合和泛化能力差的问题，有效提高各种分类器在创面微环境数据集上的预测效果。

本发明授权一种针对创面微环境数据的多元时间序列数据增强方法在权利要求书中公布了：1.一种针对创面微环境数据的多元时间序列数据增强方法，其特征在于步骤如下： 步骤1：输入待增强的创面微环境数据集，所述数据包括渗出液pH值、创面温度、湿度、氧分压数据，该数据集对应的标签集，以及可配置的参数：寻找的近邻数量K、基准样本权重参数；所述创面微环境数据集，其中为一个多元时间序列，其中，N为样本集数量，T为每个样本的时间步长，n为每一时间步内的特征数；样本集对应的标签集，其中表示样本的类别标签； 步骤2：从数据集中随机选取一个样本作为基准样本，记为，其对应的类别标签为； 步骤3：计算数据集中所有类别为的数据样本与之间的基于动态时间规整算法规整后的距离，寻找最近的K个样本，计算这K个所选样本分别相对于的基于动态时间规整算法规整序列，与组成待平均数据集AvgTS，其大小为K+1； 所述步骤3中计算数据集中一个样本相对于的基于动态时间规整算法规整后的距离，是指通过动态时间规整算法，将相对于在时间轴下进行扭曲，即进行拉伸或者收缩，并寻求最优的规整方案；这里的最优是指规整后每一时间步的距离之和最小；规整后中每一个时间步的数据对应于中一个或多个时间步数据，进而计算每一时间步的样本距离以及整个序列的距离； 所述步骤3中规整序列是指每个样本相对于的对齐序列，在计算两个序列的DTW距离时，根据过程中求得的距离矩阵回溯获得最优对齐时的对齐方案；所谓对齐方案，是指中一个时间步对应于中一个或多个时间步； 步骤4：生成随机权重集；权重集，是基准样本权重值，是一个可配置的输入参数，是K个近邻样本的权重，通过伪随机数生成的方式生成，并将其规整为和为的K个权重值； 所述步骤4中的随机权重集，其大小为K+1，其和为1，表示待平均样本集中每个样本的权重；这里对基准样本赋予的权重，其余K个样本的权重通过伪随机数生成的方式生成，且其权重之和为；为可配置参数，对于创面微环境数据集，其经验值为0.5； 步骤5：计算数据集AvgTS每一时间步的数据按照W中的权重进行的加权平均值，构成均值时间序列； 所述步骤5中计算数据集AvgTS的加权平均序列是指对求得的K个样本相对于基准样本的对齐序列，对每一时间步求加权平均值作为合成样本该时间步的数值向量； 步骤6：添加噪声：对求得的均值序列添加高斯噪声，作为一条新的数据样本，且其标签与基准样本一致。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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”。