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！

龙图腾网获悉国网浙江省电力有限公司宁波供电公司;国网浙江省电力有限公司宁波市奉化区供电公司申请的专利基于多模数据处理与融合的电力数据分析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：CN115905555B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202211328521.0，技术领域涉及：G06F16/36；该发明授权基于多模数据处理与融合的电力数据分析方法是由王思谨;万能;杨跃平;张明达;钱幸;李基瑞设计研发完成，并于2022-10-27向国家知识产权局提交的专利申请。

本基于多模数据处理与融合的电力数据分析方法在说明书摘要公布了：本申请公开了基于多模数据处理与融合的电力数据分析方法，包括：S1：构建知识图谱；S2：输入电力数据至知识图谱，分析与融合电力数据；其中，S2中包括：S21：对多模态、跨媒体的语义进行分割、匹配与分析；S22：对电力点云数据进行分割与语义分析；S23：对多模态、跨层级的电力数据进行融合。本申请的有益效果：通过对多模态、跨媒体的语义进行分割、匹配与分析并对电力点云数据进行分割与语义分析实现多模态、跨层级的电力数据的融合以便于知识图谱的运用。

本发明授权基于多模数据处理与融合的电力数据分析方法在权利要求书中公布了：1.基于多模数据处理与融合的电力数据分析方法，其特征在于：包括： S1：构建知识图谱； S2：输入电力数据至所述知识图谱，分析与融合所述电力数据； 其中，S2中包括： S21：对多模态、跨媒体的语义进行分割、匹配与分析； S22：对电力点云数据进行分割与语义分析； S23：对多模态、跨层级的电力数据进行融合； 所述S21包括： 基于多级特征并联的轻量级图像语义分割网络，用以作为基准网络结构； 空洞残差增强模块和深度空洞空间金字塔模块，用以对相异层级的特征信息进行加强处理； 端到端全卷积神经网络模型，用以融合若干尺度特征恢复图像细节； 基于轮廓和链码表示的高效无损形状编码算法，进行轮廓提取与分割和编码与压缩； 训练特征映射网络和模态判别网络，采用对抗学习方法框架构建以进行若干模态下的相关性分析； 所述S22包括： 点云滤波与处理方法，包括结合双张量投票和多尺度法向量估计的点云滤波算法，以对所述电力点云数据进行滤波； 基于分段能量函数优化的滤波方法，将点云数据格网化，设计分段函数以求取对应地面高程； 山地点云滤波方法，以通过植被点云数据的回波特性以及PTD算法消除环境干扰； 基于聚类的快速三维点云语义分割方法，以构建两阶段点云语义分割框架； 基于语义图表达的点云场景重识别，以在语义层面描述场景； 基于压缩感知理论的点云编码方法，以对所述电力点云数据进行压缩编码； 基于过完备字典的点云数据稀疏表示模型和编码、重建模型，以对所述电力点云数据进行规格化； 所述S23包括： 基于深度语义匹配的不完整多模态数据融合算法，以进行不完整多模态数据的深度相关融合； 面向增量多模态数据聚类的融合方法，以定义多模态数据相似性度量标准，对多模态数据进行无参数增量聚类融合； 面向异构模态数据迁移的融合方法，包括：基于多层语义匹配的异构模态数据迁移融合算法，完成源模态知识到目标模态任务的迁移学习； 面向多模态数据低维共享的融合方法，以得到低维潜在子空间中鲁棒的跨模态共享融合特征。

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国网浙江省电力有限公司宁波供电公司;国网浙江省电力有限公司宁波市奉化区供电公司，其通讯地址为：315000 浙江省宁波市海曙区丽园北路1408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。