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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于时频语义学习的多维时序识别方法、装置和设备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：CN121030479B 。

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：202511572927.7，技术领域涉及：G06F18/241；该发明授权基于时频语义学习的多维时序识别方法、装置和设备是由夏靖远;廖淮璋;刘云;张双辉;高勋章;刘永祥设计研发完成，并于2025-10-30向国家知识产权局提交的专利申请。

本基于时频语义学习的多维时序识别方法、装置和设备在说明书摘要公布了：本申请涉及一种基于时频语义学习的多维时序识别方法、装置和设备。所述方法包括：构建任务导向分词化基础单元，对输入的多维时间序列进行语义分词采样，得到多个初始分词，经权重计算网络加权后获基础分词，基于该基础单元构建时域、频域成分生成单元，将同一场景同时间段不同传感器监测的多维时间序列数据，分别输入两单元并行处理，得时频域分词，将其输入下游序列识别模型预测，计算时频域一致性损失与分类损失，调整两单元参数至损失收敛，完成训练，利用训练好的单元提取多维时间实测序列的时频域分词，输入模型实现识别。本方法可有效提高多维时序序列分类精准度。

本发明授权基于时频语义学习的多维时序识别方法、装置和设备在权利要求书中公布了：1.一种基于时频语义学习的多维时序识别方法，其特征在于，所述方法包括： 构建任务导向分词化基础单元，在所述任务导向分词化基础单元中对输入的多维时间序列进行语义分词采样，将所述多维时间序列划分为多个初始分词，再利用所述任务导向分词化基础单元中参数可训练的权重计算网络计算各所述初始分词的重要性权重，继而对各初始分词进行加权处理，得到基础分词，其中，所述多维时间序列为多维气象时间序列，所述多维气象时间序列包括温度、湿度以及风力的时间序列； 基于所述任务导向分词化基础单元分别构建时域动态生成单元和频域成分生成单元； 获取多维时间训练序列，所述多维时间训练序列为同一场景下同一时间段内由温度传感器、湿度传感器、风力传感器监测到的温度、湿度以及风力时间序列数据； 将所述多维时间训练序列分别输入至时域动态生成单元和频域成分生成单元中进行并行处理，得到时域分词以及频域分词，其中，在所述时域动态生成单元中进行语义分词采样时：将输入的多维时间序列转换为频域序列，采用蒙特卡洛采样方式以此近似通过积分得到的先验概率来确定分词结果，其中，采样参数包括采样初始位置和采样长度，其中采样初始位置由序列的频谱能量分布确定，从而生成包含多维时间序列主要变化模式的频域初始分词； 将所述时域分词和频域分词输入至下游任务的序列识别模型中进行多维时间训练序列的识别预测，并计算对应的时频域一致性损失与分类损失，利用计算结果对所述时域动态生成单元和频域成分生成单元中的可调整参数进行调整，直至损失函数收敛，得到完成训练的时域动态生成单元和频域成分生成单元，其中，所述时频域一致性损失采用以下公式： 上式中，和分别为时域特征以及频域特征，和，和，表示内积，表示温度系数； 获取包括温度、湿度以及风力的多维时间实测序列，先利用完成训练的时域动态生成单元和频域成分生成单元提取所述多维时间实测序列的时域分词以及频域分词，再将所述时域分词以及频域分词输入至下游任务的序列识别模型中，实现多维时间序列识别以预测未来的温度、湿度以及风力。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。