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！

龙图腾网获悉厦门利德集团有限公司;国网福建省电力有限公司厦门供电公司申请的专利基于近电智慧手环多模态数据的任务研判方法及终端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：CN116595349B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202310537452.2，技术领域涉及：G06F18/213；该发明授权基于近电智慧手环多模态数据的任务研判方法及终端是由肖靖;曾锦松;许佳庆;连哲勇;辜明娴;高天财;林志艺;纪绿泓;林宇峰;陈培铭;李迎;洪玮玮设计研发完成，并于2023-05-12向国家知识产权局提交的专利申请。

本基于近电智慧手环多模态数据的任务研判方法及终端在说明书摘要公布了：本发明公开了一种电能量与爬坡备用的联合出清方法及终端，包括将获取到的多模态数据依次进行特征嵌入、特征对齐和特征提取后得到多维预设矩阵；将所述预设矩阵转换为一维矩阵，并输入全连接网络，输出特征矩阵；根据所述特征矩阵，进行任务研判。本发明通过对获取到的多模态数据进行特征嵌入、对齐和提取的特征化处理，得到预设矩阵下的特征数据后，将预设矩阵转换为一维矩阵以构建任务网络层——全连接网络，对预设矩阵中的特征数据进行计算处理，最终根据处理结果预测不同种类的模态数据所对应的事件，即实现任务研判，以实时根据多模态数据预测近电智慧手环佩戴者的潜在危险，以便及时进行告警，有效提高近电智慧手环健康预测的准确性。

本发明授权基于近电智慧手环多模态数据的任务研判方法及终端在权利要求书中公布了：1.一种基于近电智慧手环多模态数据的任务研判方法，其特征在于，包括步骤： S1、将获取到的多模态数据依次进行特征嵌入、特征对齐和特征提取后得到多维预设矩阵；所述多模态数据为实时获取的近电智慧手环采集到的佩戴者的心率A、佩戴者的血氧饱和度B、所处的位置P、佩戴者的六轴姿态S、所处位置的气压M、佩戴者的近电体温T及佩戴者的血压Q； 所述特征嵌入具体为： S11、记各所述多模态数据的特征嵌入为A'、B'、P'、S'、M'、T'和Q'，嵌入表示为：Y=EmbedX，其中X为所述多模态数据的原始输入，Y为所述多模态数据嵌入后的表示，记： 1； 其中，Wm,n为所述多模态数据的权重，采用随机正态分布初始化，范围为0到1，Xn为所述多模态数据的原始输入，n表示所述多模态数据的维数，N为所有所述多模态数据中维度最大的模态数据的维数，0为所述多模态数据嵌入后在n维度的输出，不同模态的特征数据的维数不同，然后输出： 2； 式中，m∈0,5，即输出矩阵大小为1*6的嵌入矩阵Y'； 所述特征对齐具体为： S12、将所述嵌入矩阵Y映射到相同的数据空间： 3； 其中，c代表所述多模态数据的七种种类A'、B'、P'、S'、M'、T'和Q'，c∈0,6，即所述嵌入矩阵Y’映射为7*6的映射矩阵； 对所述映射矩阵内的各模态数据进行特征交叉，记为： 4； 式中，0=i6，得到结构为6*6的交叉矩阵F； 将所述交叉矩阵F中的单个交叉特征进行堆叠，得到最终矩阵F'： 5； 式中，j∈0,4，即所述最终矩阵F'的结构为5*6*6； 所述特征提取具体为： S13、设自下而上依次为第一常规卷积层、第一常规激活函数层、第二常规卷积层、第二常规激活函数层、第三常规卷积层和第三常规激活函数层的特征提取层，并定义如下： 设所述第一常规卷积层、所述第二常规卷积层均为5通道输入和5通道输出，输入的特征图大小为6*6，卷积核为1*1； 设所述第三常规卷积层为5通道输入和1通道输出，输入的特征图大小为6*6，卷积核为1*1； 设所述第一常规激活函数层、所述第二常规激活函数层和所述第三常规激活函数层均采用reluX函数： 6； 通过所述特征提取层，提取得到6*6的预设矩阵； S2、将所述预设矩阵转换为一维矩阵，并输入全连接网络，输出特征矩阵； S21、从6*6的所述预设矩阵中复制一组6个特征值添加到列表K，并重复复制下一组6个特征值到列表K，重复操作6次后，形成包含36个元素的一维矩阵L； S22、将所述一维矩阵L输入到36*7的全连接矩阵网络中，其中36为神经元输入数量，7为神经元输出数量，定义输出为1*7的特征矩阵L'； S3、根据所述特征矩阵，进行任务研判。

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厦门利德集团有限公司;国网福建省电力有限公司厦门供电公司，其通讯地址为：361000 福建省厦门市湖里区安岭路1006号801、901单元；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。