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！

龙图腾网恭喜西北工业大学申请的专利一种基于样本重加权和Attention-Bi-GRU的目标意图稳定识别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：CN116910447B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202310820062.6，技术领域涉及：G06F18/10；该发明授权一种基于样本重加权和Attention-Bi-GRU的目标意图稳定识别方法是由蒋雯;张瑜;邓鑫洋设计研发完成，并于2023-07-05向国家知识产权局提交的专利申请。

本一种基于样本重加权和Attention-Bi-GRU的目标意图稳定识别方法在说明书摘要公布了：本发明公开了一种基于样本重加权和Attention‑Bi‑GRU的目标意图稳定识别方法，包括以下步骤：步骤一对传感器探测得到的目标属性数据进行预处理；步骤二将预处理后的目标数据输入到Attention‑Bi‑GRU提取深层特征信息；步骤三将步骤二获取的深层特征信息一路输入样本重加权模块获取样本权重，一路输入分类函数层，并计算样本加权交叉熵损失；步骤四基于步骤三的损失函数，迭代训练完备的网络模型；步骤五将实际环境得到的目标属性数据按步骤一进行预处理，之后输入训练好的网络模型进行测试，得到目标意图识别结果。本发明针对现有意图识别方法忽略实测数据与训练数据分布存在协变量偏移的问题，同时考虑目标属性数据的多维性和时序性，使用注意力机制来捕捉目标样本的时刻信息差异，采用双向门控单元挖掘目标属性数据的深层特征信息；此外，构建了一个样本重加权模块学习样本权重，削弱训练集和实测数据的分布偏差，从而在实际环境中有效进行目标意图识别，更具实用性和实际意义。

本发明授权一种基于样本重加权和Attention-Bi-GRU的目标意图稳定识别方法在权利要求书中公布了：1.一种基于样本重加权和Attention-Bi-GRU的目标意图稳定识别方法，其特征在于，包括以下步骤：步骤一、对传感器探测得到的一段时间t内的目标属性数据进行预处理；步骤101：将目标属性数据分为数值型属性数据和非数值型属性数据，并对其进行归一化标准处理；步骤102：对目标意图空间进行意图编码；步骤二、将预处理后一段时间t内的目标属性数据输入到Attention-Bi-GRU提取深层特征信息；步骤201：将步骤101归一化处理后的目标属性数据输入注意力机制模块进行时刻加权；步骤202：将步骤201时刻加权后的目标属性数据输入Bi-GRU模块提取深层特征信息；步骤三、将步骤二获取的深层特征信息一路输入样本重加权模块获取样本权重，一路输入Softmax分类层，并计算样本加权交叉熵损失；步骤301：采用随机傅里叶特征RandomFourierFeature,RFF将网络提取的深层特征信息映射至随机特征空间： 其中，h表示随机特征空间映射函数，z表示步骤202提取的深层特征；步骤302：定义目标样本权重为β，对随机特征空间的特征信息基于Frobenius范数进行加权独立性检验：当趋于0时，两个变量趋于独立；为随机特征间的加权互协方差， 其中，n为随机特征的维度，p，q分别表示随机特征的维度序号；步骤303：将步骤302的样本权重与Softmax分类层得到的交叉熵结合，计算样本加权交叉熵损失： 其中，f·为深层特征表示函数，g·表示分类函数，Ii表示第i个目标样本的意图标签编码，βi表示第i个目标样本权重，LCE·,·表示交叉熵损失函数；步骤四、基于步骤三的损失函数，迭代训练完备的网络模型，迭代训练过程如下： 其中，k表示训练轮次；步骤五、将实际环境得到的目标属性数据按步骤一进行预处理，之后输入训练好的网络模型进行测试，得到目标意图识别结果。

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西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127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”。