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基于多尺度特征提取及多任务对比训练的QoS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：CN116226642B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202310241963.X，技术领域涉及：G06F18/213；该发明授权基于多尺度特征提取及多任务对比训练的QoS预测方法是由殷昱煜;邸千卉;梁婷婷;李尤慧子;李玉;万健设计研发完成，并于2023-03-14向国家知识产权局提交的专利申请。

本基于多尺度特征提取及多任务对比训练的QoS预测方法在说明书摘要公布了：本发明公开了一种基于多尺度特征提取及多任务对比训练的QoS预测方法，包括如下步骤：S1、获取用户的三维QoS数据，将三维的QoS数据进行降维得到一维的QoS序列，所述一维的QoS序列包括待预测值与历史时间序列；S2、通过卡尔曼滤波消除历史时间序列中存在的噪声数据，得到平滑后的QoS序列；S3、对于平滑后的QoS序列，使用基于QoS分布的增强方法，得到每个时间片上的QoS增强序列；S4、输入平滑后的QoS序列与每个时间片上的QoS增强序列至多尺度特征编码器进行编码，来分别提取序列时间特征与增强序列时间特征；S5、通过多任务对比训练预测动态服务QoS值。该方法将对比学习与QoS预测相结合，从已知的QoS数据中提取并不断优化用户的时间特征，来预测未知的QoS值。

本发明授权基于多尺度特征提取及多任务对比训练的QoS预测方法在权利要求书中公布了：1.一种基于多尺度特征提取及多任务对比训练的QoS预测方法，其特征在于，包括如下步骤： S1、获取用户的三维QoS数据，将三维的QoS数据进行降维得到一维的QoS序列，所述一维的QoS序列包括待预测值与历史时间序列； S2、通过卡尔曼滤波消除历史时间序列中存在的噪声数据，得到平滑后的QoS序列； S3、对于平滑后的QoS序列，使用基于QoS分布的增强方法，得到每个时间片上的QoS增强序列； 所述步骤S3中，QoS时间分布的数据增强的方法为： S3-1、使用重叠剪裁方法，先随机挑选一个连续的子序列，再在该子序列的基础上，任意挑选子序列外的QoS值，构成两个新的序列； S3-2、对这两个新的序列输入嵌入层，得到序列嵌入； S3-3、对序列嵌入使用特征掩膜方法，即随机掩盖一部分嵌入值，用特殊项mask将其替换，得到QoS增强序列； S4、输入平滑后的QoS序列与每个时间片上的QoS增强序列至多尺度特征编码器进行编码，来分别提取序列时间特征与增强序列时间特征；所述多尺度特征编码器包括WaveNet层、BiLSTM层； 所述增强序列时间特征提取方法为：在WaveNet层中，QoS增强序列首先经过因果卷积层得到初步表示，所述初步表示经过膨胀卷积与门控线形单元后再与自身进行残差连接，最后通过激活函数得到最终表示，即为QoS序列的短期时间特征；所述初步表示输入到BiLSTM层，提取QoS序列的长期时间特征，所述长期时间特征即为最终输出的增强序列时间特征； S5、根据序列时间特征与增强序列时间特征，进行多任务对比训练得到预测动态服务QoS值。

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。