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！

龙图腾网获悉国网四川省电力公司电力科学研究院申请的专利基于多模态数据融合的小样本图像分类方法和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：CN120974296B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202511501929.7，技术领域涉及：G06F18/2411；该发明授权基于多模态数据融合的小样本图像分类方法和系统是由张凌浩;邝俊威;向思屿;滕予非;庞博;张菊玲;邓创;李林;刘昶;王胜;李亚强;程晗;赵满超设计研发完成，并于2025-10-21向国家知识产权局提交的专利申请。

本基于多模态数据融合的小样本图像分类方法和系统在说明书摘要公布了：本发明公开了基于多模态数据融合的小样本图像分类方法和系统，涉及计算机视觉技术领域，其技术方案要点是：获取目标电力设备的多模态数据，并从多模态数据中提取出图像数据、文本数据和音频数据；利用卷积神经网络提取图像数据的局部特征和全局特征，将局部特征与全局特征融合，得到图像数据的融合特征；利用词嵌入模型提取文本数据的语义特征；利用短时傅里叶变换提取音频数据的频谱特征；根据融合特征、语义特征和频谱特征构建多模态特征矩阵；采用动态权重分配算法对多模态特征矩阵中各模态的特征向量赋予权重，得到加权特征矩阵；利用支持向量机对加权特征矩阵进行分类训练，生成目标电力设备的图像分类结果。

本发明授权基于多模态数据融合的小样本图像分类方法和系统在权利要求书中公布了：1.一种基于多模态数据融合的小样本图像分类方法，其特征在于，方法包括： 获取目标电力设备的多模态数据，并从多模态数据中提取出图像数据、文本数据和音频数据； 利用卷积神经网络提取图像数据的局部特征和全局特征，将局部特征与全局特征融合，得到图像数据的融合特征； 利用词嵌入模型提取文本数据的语义特征； 利用短时傅里叶变换提取音频数据的频谱特征； 根据融合特征、语义特征和频谱特征构建多模态特征矩阵； 采用动态权重分配算法对多模态特征矩阵中各模态的特征向量赋予权重，得到加权特征矩阵；其中，采用动态权重分配算法对多模态特征矩阵中各模态的特征向量赋予权重，得到加权特征矩阵，包括：根据多模态特征矩阵中各模态的特征向量的维度和分布特性构建初始权重矩阵；其中，初始权重矩阵的初始权重值为1N，N为模态数量；利用余弦相似度公式计算多模态特征矩阵中各模态的特征向量之间的相关性，生成相关性矩阵；根据相关性矩阵调整初始权重矩阵的初始权重值；其中，调整过程为：相关性高的特征向量赋予第一权重，相关性低的特征向量赋予第二权重，第一权重大于第二权重；对调整初始权重值后的初始权重矩阵进行归一化处理，使调整初始权重值后的初始权重矩阵中每列权重值和为1，得到动态权重矩阵；将动态权重矩阵与多模态特征矩阵相乘，得到加权特征矩阵； 利用支持向量机对加权特征矩阵进行分类训练，生成目标电力设备的图像分类结果； 所述方法还包括：设定动态权重矩阵中各个权重值的动态调整策略，根据动态调整策略完成对动态权重矩阵中各个权重值的动态调整；其中，所述动态调整策略包括：将动态权重矩阵中各个权重值与预设的高调整阈值与低调整阈值进行比对；若权重值超过高调整阈值，则启用高调整机制；若权重值低于低调整阈值，则启用低调整机制；若权重值处在高调整阈值与低调整阈值之间，则启用默认调整机制；高调整机制是通过采集平均信息增益值，计算正调节比例，将各个模态的特征向量输入当前分类模型，对每个模态提取出的特征向量维度进行分类信息划分评估，对各个模态的特征维度计算信息增益作为平均信息增益值；将正调节比例与超过高调整阈值的权重值进行乘积计算，将计算结果输入动态权重矩阵中，实现动态权重矩阵的动态调整；低调整机制是通过互信息分析采集平均互信息值，计算负调节比例；通过提取每个模态的输出特征向量，与对应样本的真实标签进行互信息分析，得到平均互信息值；将负调节比例与低于低调整阈值的权重值进行乘积计算，将计算结果输入动态权重矩阵中，实现动态权重矩阵的动态调整。

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国网四川省电力公司电力科学研究院，其通讯地址为：610000 四川省成都市高新区锦晖西二街16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。