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！

龙图腾网获悉中国海洋大学申请的专利一种强对流天气样本重构超采样与增强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：CN121524613B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202610055663.6，技术领域涉及：G06F18/2137；该发明授权一种强对流天气样本重构超采样与增强识别方法及系统是由张巍;王凯龙;王奕月设计研发完成，并于2026-01-16向国家知识产权局提交的专利申请。

本一种强对流天气样本重构超采样与增强识别方法及系统在说明书摘要公布了：本发明涉及样本识别技术领域，尤其是涉及一种强对流天气样本重构超采样与增强识别方法及系统。所述方法包括获取目标区域天气样本数据；基于获取的目标区域天气样本数据进行数据预处理；利用多粒度流形结构正则化策略对预处理后的数据进行自适应采样；利用递进式结构化流形嵌入损失函数对采样后的数据进行特征优化；根据优化后的数据，利用非欧式全纯测地嵌入器进行弯曲度量场下的判别性流形重构；拓扑感知型异构特征聚合网络架构对重构的数据进行识别。

本发明授权一种强对流天气样本重构超采样与增强识别方法及系统在权利要求书中公布了：1.一种强对流天气样本重构超采样与增强识别方法，其特征在于，包括： 获取目标区域天气样本数据； 基于获取的目标区域天气样本数据进行数据预处理； 利用多粒度流形结构正则化策略对预处理后的数据进行自适应采样； 利用递进式结构化流形嵌入损失函数对采样后的数据进行特征优化； 根据优化后的数据，利用非欧式全纯测地嵌入器进行弯曲度量场下的判别性流形重构； 拓扑感知型异构特征聚合网络架构对重构的数据进行识别；包括构建拓扑结构保持的多元级联融合框架，用于结构性改良编码器-解码器模型，其中，摒弃单一欧氏度量的平坦化假设，利用全纯测地投影在Grassmannian商空间中剥离观测坐标冗余，提取动力学状态的内蕴同构性；通过动态邻域图结构显式驱动网络参数更新，形成采样-特征重构的协同进化机制；通过异构双通道分别捕获高频空间纹理与低频动力学流形特征，并经由非线性门控机制实现跨域表征的统一； 所述利用多粒度流形结构正则化策略对预处理后的数据进行自适应采样，包括首先构建动态潜在空间映射机制，包括随特征提取网络参数迭代周期性重构的动态图结构，在每个训练Epoch的初始化阶段，利用轻量级三维卷积编码器处理训练全集，将其映射为维特征向量集合，为解决高维空间中的维度灾难并实现级的检索效率，依据特征维度的稀疏性采用混合空间划分策略，包括利用正交空间分割树，当特征流形在低维子空间投影较为紧凑时，采用改进的平衡KD-Tree结构捕捉欧氏空间下的-最近邻；以及采用局部敏感哈希投影，针对高维非结构化特征，引入基于-稳定分布的哈希函数族实现次线性时间的近似近邻查询；然后基于黎曼几何距离的在线检索过程构建包含关键节点的层级化拓扑邻域集合，通过定义特征空间中的测地线距离近似为欧氏距离平方，对于锚点锁定其所属的标签流形区域，并按照动力学准则筛选关键节点，其中，通过在中检索与距离最近的样本，即获得核心同质节点；通过选取距离分布处于中位数附近的样本作为类内桥接节点；通过采样在中检索距离最远的极端正样本，即获得类内边界节点；通过在所有异类样本集合中，寻找距离锚点最近的样本，即获得最小间隔异类节点； 所述利用递进式结构化流形嵌入损失函数对采样后的数据进行特征优化，包括将优化目标形式化为不等式约束的软间隔最大化问题，引入非负松弛变量向量，总体的正则化目标函数定义为： 其中为批次大小，为Frobenius范数正则项，核心的拓扑结构损失由三个级联的子能量项构成：，其中，为Hinge损失算子，代表不同层级间的距离差分，为自适应几何间隔，为平衡系数；然后构建三级级联约束机制使特征分布呈现理想流形形态，其中，第一级利用局部紧致性约束来限制锚点与同质节点的距离小于锚点与桥接节点的距离，对应的距离差分项定义为：；第二级利用流形连续性约束限制锚点与桥接节点的距离小于其与边界节点的距离，距离差分项定义为：；第三级利用全局可分性约束来限制类内差异最大的边界节点与最近的异类节点之间保持设定的安全距离，距离差分项定义为：；最后进行基于超球面几何先验的间隔自适应初始化，设为有效类别数，为类别分布的期望覆盖率，利用几何先验推导各级间隔； 所述根据优化后的数据，利用非欧式全纯测地嵌入器进行弯曲度量场下的判别性流形重构，包括为在降维过程中剥离观测坐标系的干扰并提取纯粹的动力学模态，选取Grassmannian商流形作为特征嵌入的目标拓扑空间，设经过前序拓扑关联的语义张量提取后的特征空间为，期望构建的低维流形嵌入维度为，将目标空间建模为Grassmann流形，即维向量空间中所有维线性子空间的集合；在微分几何视域下，视为正交群的商空间，流形上的每一个点代表一个等价类，由一组正交基矩阵生成：其中表示维正交旋转群，为单位矩阵；然后引入Grassmannian几何的核心动机在于气象动力系统的基底无关性，通过在上进行测地判别学习，过滤掉由观测角度或坐标系旋转引起的冗余变异，专注于捕捉能够表征物理过程本质的子空间结构。

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海洋大学，其通讯地址为：266100 山东省青岛市崂山区松岭路238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。