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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于改进的生成式seq2seq船舶轨迹预测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：CN118504741B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202410561066.1，技术领域涉及：G06Q10/04；该发明授权一种基于改进的生成式seq2seq船舶轨迹预测方法是由殷昱煜;孙茜茜;章斌;袁俊峰;欧东阳设计研发完成，并于2024-05-08向国家知识产权局提交的专利申请。

本一种基于改进的生成式seq2seq船舶轨迹预测方法在说明书摘要公布了：本发明公开了一种基于改进的生成式seq2seq船舶轨迹预测方法。本发明包含四部分内容：轨迹数据预处理、轨迹时间特征提取、轨迹空间特征提取和基于多头自注意力机制的序列到序列模型。本发明通过改进生成式seq2seq网络引入船舶轨迹的时间特征和空间特征，捕捉轨迹数据长期依赖性同时学习船舶的运动特征，能够有效提升船舶轨迹预测精度，为海上搜索和救援、交通控制、路径规划、和污染监测等应用提供技术支撑。

本发明授权一种基于改进的生成式seq2seq船舶轨迹预测方法在权利要求书中公布了：1.一种基于改进的生成式seq2seq船舶轨迹预测方法，其特征在于，包括如下步骤： 步骤1、收集历史船舶报位数据，将散乱的船舶报位数据处理成长度固定，时间间隔一致的轨迹数据，然后将数据集分为训练集、测试集； 步骤2、把训练集中的轨迹数据分割成一个个固定大小的batch，并对模型参数进行正态分布初始化； 步骤3、读取一个batch的数据，并将数据离散化，把回归问题变成了分类问题，将数据放入一个嵌入层中，通过神经网络学习到轨迹的运动特征； 步骤4、使用分层的时间嵌入方法将轨迹的时间戳提取为时间特征，将时间特征矩阵和轨迹的运动特征矩阵进行相加融合； 步骤5、使用快速搜索和寻找密度峰值的聚类算法对轨迹的经纬度向量进行聚类，提取轨迹的空间特征，将轨迹空间特征与步骤4的结果相加融合； 步骤6、构建生成式序列到序列模型，将步骤5得到的融合结果输入生成式序列到序列模型进行模型训练，所述生成式序列到序列模型包括多头自注意力机制和多层感知机，所述多头自注意力机制的输出经残差连接与归一化处理后作为多层感知机的输入，所述多层感知机的输出通过残差连接与归一化处理后输出预测结果； 所述生成式序列到序列模型的训练方法为：以步骤3至步骤6为一个周期，周期性循环步骤3到步骤6，直至初始化设定的迭代周期数； 生成式序列到序列模型训练时，使用的损失函数为交叉熵损失函数，表达式如下： 其中n表示一个批次的轨迹数量，m表示分类的数目，yij表示真实的概率，aij表示预测的概率； 步骤7、将步骤2中的训练集数据更换为测试集数据，重复执行步骤2到步骤5，并将步骤5得到的结果输入到步骤6中完成训练的生成式序列到序列模型中，得到最终轨迹预测结果。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。