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一种基于元注意力机制的弱监督增类活动识别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：CN115169386B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202210690454.0，技术领域涉及：G06F18/241；该发明授权一种基于元注意力机制的弱监督增类活动识别方法是由邓诗卓;林博谦;郭珠宝;贾同;陈东岳设计研发完成，并于2022-06-17向国家知识产权局提交的专利申请。

本一种基于元注意力机制的弱监督增类活动识别方法在说明书摘要公布了：本发明属于智能分类识别领域，提出了一种基于元注意力机制的弱监督增类活动识别方法。本方法基于一种端到端的自关系注意弱监督原型网络模型进行人体活动识别；原型网络模型包括特征提取模块、元学习注意力模块和分类模块；首先对传感器原始数据序列进行特征提取，获得示例特征向量集；在通过元学习注意力模块获取各个示例特征向量的贡献权重；通过增强操作提纯优化目标活动的原型；通过分类模块进行分类，完成模型的训练与测试。本发明提出的方法，能够较好的解决在弱监督与训练样本少的传感器数据上识别新类别人体活动的问题，有效避免了噪声数据的负面影响。

本发明授权一种基于元注意力机制的弱监督增类活动识别方法在权利要求书中公布了：1.一种基于元注意力机制的弱监督增类活动识别方法，其特征在于，基于一种端到端的自关系注意弱监督原型网络模型进行人体活动识别；该端到端的自关系注意弱监督原型网络模型包括特征提取模块、元学习注意力模块和分类模块；特征提取模块包括一个卷积层和一个最大池化层，卷积层具有二维卷积核，其提取沿时间轴的时间相关性和沿传感器轴的空间相关性；元学习注意力模块包括两个卷积层、一个平均池化层和一个softmax层；元学习注意力模块中参考多示例学习中的池化操作解决方案，传感器数据子序列An在经过滑动时间窗口l分割后得到示例特征向量；分类模块包括训练和测试； 具体包括步骤如下； 步骤1、对传感器原始数据序列进行特征提取，获得示例特征向量集； 步骤2、通过元学习注意力模块获取各个示例特征向量的贡献权重；所述步骤2具体为： 首先，针对支持集S与查询集Q中的每个样本，在一维的示例特征向量集Z上定义自关系矩阵R用于表示所有示例特征向量之间的相似程度；自关系矩阵R为对称矩阵，Ri,j表示示例特征向量zi与示例特征向量zj之间的相似程度，Ri,j＝simzi,zj；Ri为自关系矩阵R的第i行，其表示示例特征向量zi与所有各个其他示例特征向量间的相似度；Ri,j值越大，表示两个示例特征向量是特征空间中同一类活动的可能性越大；生成自关系矩阵R后，将该自关系矩阵R送入元学习注意力模块中；元学习注意力模块输出每个示例特征向量zi的贡献权重； 基于示例特征向量zi之间相互关系的元注意力机制，学习一个非线性函数gΨ为各个示例特征向量zi赋予贡献权重； 步骤3：通过增强操作提纯优化目标活动的原型； 步骤4：通过分类模块进行分类，完成模型的训练与测试。

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三巷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。