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！

龙图腾网获悉北京航空航天大学申请的专利一种风险扰动下的多尺度跨模态数据增强方法及系统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：CN118643344B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202410952983.2，技术领域涉及：G06F18/214；该发明授权一种风险扰动下的多尺度跨模态数据增强方法及系统是由盛浩;张德法;沈嘉浩;王帅;杨大智设计研发完成，并于2024-07-16向国家知识产权局提交的专利申请。

本一种风险扰动下的多尺度跨模态数据增强方法及系统在说明书摘要公布了：本发明涉及一种在风险扰动下的多尺度跨模态数据增强方法及系统，从而为数智驱动的城市群应用提供更全面、更准确的数据基础；多时空尺度的城市群多域跨模态感知数据存在局部缺失、稀疏采样、噪声扰动、规律不明等问题，通过探索风险扰动下的数据增强方法，可对原本离散的人类移动行为数据进行序列化处理，并将样本中的缺失值补全，以保证样本在时间、空间和多尺度上的连续性，提高样本整体的数量和质量。借助数据增强技术，可以引入各种噪声和扰动来模拟现实世界的真实情况，从而提高模型的鲁棒性和泛化性。实现样本从稀疏到连续、质量从缺失到补全、模型从局部到全局、规律从模糊到清晰的过程，以便更好地理解数据内在的属性和关联。

本发明授权一种风险扰动下的多尺度跨模态数据增强方法及系统在权利要求书中公布了：1.一种风险扰动下的多尺度跨模态数据增强方法，其特征在于：包括基于多时空尺度耦合的数据增强步骤和基于跨模态关联网络的数据代偿步骤，其中： 所述基于多时空尺度耦合的数据增强步骤：在风险扰动下，采集城市中人-车-物的移动行为在时间上和空间上的多尺度单模态数据，对所述多尺度单模态数据进行建模，构建时空耦合关系图；所述风险扰动指遇到的突发性、周期性或长期趋势性扰动现象；基于所述时空耦合关系图，利用特征融合网络系统处理时空耦合关系图，生成插补后的数据，形成增强后的单模态数据，多个增强后的单模态数据耦合成跨模态数据；所述特征融合网络系统提取时空耦合关系图中的拓扑关系，生成人-车-物移动行为的空间特征，提取时序关系得到时序特征；再融合每个人-车-物移动行为的空间特征和时序特征，得到融合后的跨模态特征；将融合后的跨模态特征和原始的人-车-物的移动行为在时间上和空间上的多尺度单模态数据输入到自编码网络模块中进行插补； 所述的跨模态关联网络的数据代偿步骤：利用特征对齐技术，将所述跨模态数据中的特征维度与尺度进行调整，消除跨模态数据之间的差异，得到特征对齐后的跨模态数据；对所述特征对齐后的跨模态数据采用特征迁移技术得到跨模态数据之间各个单模态数据的特征关联关系；使用图融合的特征构建技术处理跨模态数据之间各个单模态数据的特征关联关系，得到跨模态数据之间的关联性和互补性；最终基于增强跨模态数据之间的关联性和互补性，实现多尺度跨模态数据增强，完成跨模态数据代偿； 所述特征对齐技术采用基于无监督的动态贝叶斯网络的显示跨模态特征对齐技术； 所述特征迁移技术实现为：对特征对齐后的跨模态数据进行数据互补，对数据互补后的跨模态数据进行数据增强，再通过特征降维映射，得到跨模态数据中的各个单模态特征关联关系； 所述基于图融合的跨模态特征构建技术为每个单模态数据创建特征图，将不同模态的特征图整合成一张跨模态的特征图，在该特征图中构建图注意力网络，最终得到跨模态数据之间的关联性和互补性； 所述跨模态数据包括图像、视频、音频、文本，语音、视频、GPS和雷达。

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航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。