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！

龙图腾网获悉苏州大学申请的专利一种面向科学可视化的运动建模与识别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：CN116821230B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202310834376.1，技术领域涉及：G06F16/26；该发明授权一种面向科学可视化的运动建模与识别方法及系统是由刘力;孙灏铖设计研发完成，并于2023-07-10向国家知识产权局提交的专利申请。

本一种面向科学可视化的运动建模与识别方法及系统在说明书摘要公布了：本发明公开了一种面向科学可视化的运动建模与识别方法及系统，包括：获取科学时变体数据，提取科学时变体数据特征，量化分析提取的特征得到特征的一组属性，且在相邻时间片进行匹配获取时空联系，并检测运动过程中单个特征发生的行为；基于运动过程的分层描述以及科学时变体数据特征的行为构建分层模型，将科学时变体数据特征计算结果输入分层模型，计算每个特征的状态转移概率以及分层模型的设定，决定特征的状态转移并识别符合定义的运动实例；根据运动实例构建运动实例数据库，并结合可视化方法从不同层次和角度分析科学时变体数据中的运动。本发明方法突出了对科学数据中动态特性的研究和可视化，有助于对自然现象的观察和分析。

本发明授权一种面向科学可视化的运动建模与识别方法及系统在权利要求书中公布了：1.一种面向科学可视化的运动建模与识别方法，其特征在于，包括： 获取科学时变体数据，并对所述科学时变体数据进行数据特征计算，提取科学时变体数据特征，量化分析所述提取的特征得到特征的一组属性，且在相邻时间片进行匹配获取时空联系，并检测运动过程中单个特征发生的行为； 基于运动过程的分层描述以及科学时变体数据特征的行为构建分层模型，所述分层模型上层利用Petri网表示运动过程并通过下层贝叶斯网络获得运动状态的转移条件和概率；分层模型包括：短时事件层模型和运动层模型； 短时事件层模型包括对每一个短时事件进行描述，将一个根节点作为贝叶斯网络的输出； 将组成事件描述的元事件作为输入节点加入贝叶斯网络； 每个输入节点产生一个输出概率用于表明它对输出的贡献 将元事件之间的空间联系加入贝叶斯网络； 将元事件之间的逻辑联系加入贝叶斯网络； 计算贝叶斯网络的输出，即短时事件的发生概率； 所述运动层模型包括： 将一个起始状态和最终状态加入Petri网； 从运动描述中确定运动的各个状态并加入Petri网； 从运动描述中确定状态转移的短时事件，将相应的贝叶斯网络短时事件模型作为条件状态转移加入Petri网，并预设转移条件阈值； 将反映时间联系的状态转移加入Petri网； 将反映其它联系的状态转移加入Petri网； 连接Petri网中的各个运动状态与状态转移；将科学时变体数据特征计算结果输入所述分层模型，计算每个特征的状态转移概率以及分层模型的设定，决定特征的状态转移并识别符合定义的运动实例，包括： 将构建的运动层模型应用到特征可视化产生的元数据和元事件中，所述元数据包括特征、属性以及关联信息； 在模型中以令牌的形式表示特征； 通过运动识别算法依次遍历所有时间片，对每个时间片先扫描所有特征的行为，当有新生、分裂或合并发生时，增加或减少相应数量的令牌； 若特征与条件状态转移相连接，则通过计算贝叶斯网络的输出是否大于状态转移阈值来判断令牌是否能到达下一个状态； 当任一令牌到达最终状态时，则表明运动发生了一次，此时获得一个运动实例； 根据所述运动实例构建运动实例数据库，并结合可视化方法从不同层次和角度分析科学时变体数据中的运动。

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苏州大学，其通讯地址为：215222 江苏省苏州市吴江区久泳西路1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。