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！

龙图腾网恭喜杭州电子科技大学申请的专利一种基于对比学习特征降维的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：CN117854597B 。

龙图腾网通过国家知识产权局官网在2025-04-22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：202410052756.4，技术领域涉及：G16B40/00；该发明授权一种基于对比学习特征降维的轨迹预测方法是由殷昱煜;施雨辰;张新;梁婷婷;万健设计研发完成，并于2024-01-15向国家知识产权局提交的专利申请。

本一种基于对比学习特征降维的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对比学习特征降维的轨迹预测方法，该方法首先根据待降维细胞原始矩阵X，获取每个细胞的正样本细胞集和负样本细胞集。其次将待降维细胞原始矩阵X输入到一个全连接神经网络中，得到细胞的降维特征Y，在将其分别输入到细胞级成对模块和聚类级对比模块中，并计算特征的损失。然后根据特征的损失，对细胞级成对模块和聚类级对比模块的输出进行优化。最后在优化完成后，使用特征Y进行轨迹推断，得到预测的轨迹。本发明提高了学习到的细胞特征的准确度，并使得学习到的细胞特征更利于轨迹推断。

本发明授权一种基于对比学习特征降维的轨迹预测方法在权利要求书中公布了：1.一种基于对比学习特征降维的轨迹预测方法，其特征在于，包括以下步骤：步骤1.根据待降维细胞原始矩阵X，获取每个细胞的正样本细胞集和负样本细胞集；步骤2.将待降维细胞原始矩阵X输入到一个全连接神经网络中，得到细胞的降维特征Y；步骤3.将降维特征Y分别输入到细胞级成对模块和聚类级对比模块中，具体过程如下：步骤3.1.在细胞级模块中，每轮训练为每个细胞yi分别从正样本集随机选取一个细胞以构成正样本对并从负样本集中选取一个细胞以构成负样本对步骤3.2.在聚类级模块中，每轮训练在每个类ci的所有细胞随机下采样2次，形成2个增强细胞类和其中表示增强类中的第t个细胞，|ci|表示类ci包含细胞的数量，γ表示下采样率；将由同一个类生成的两个增强细胞类作为正样本对，将非同类生成的所有细胞生成类或视为负样本对；步骤4.根据细胞级成对模块和聚类级对比模块的输出计算特征损失，并进行优化；所述计算特征损失并进行优化具体过程如下：步骤4.1.最小化正样本对的细胞距离并最大化负样本对的距离细胞样本对间距离和的计算公式如下： 其中d表示细胞低维特征的维度，然后使用交叉熵损失函数lossi最小化细胞i的正样本对的距离并最大化负样本对的距离，计算公式为： 将所有细胞的损失通过加权平均得到细胞级成对模块的损失函数Lcell： 步骤4.2.通过最大化细胞类ci的增强细胞类之间的相似度并最小化其他所有负样本增强类的相似度；首先通过加权平均计算每个增强类的中心视为其特征 然后使用余弦相似度函数计算任意两个增强类i,j中心ri和rj之间的相似度sri,rj，余弦相似度函数的计算方式如下，其中‖·‖表示该变量的模长： 使用交叉熵损失函数计算ci的增强样本a类中心与其正样本对其所有负样本对和损失的方式如下： 将所有细胞类的损失通过加权平均得到聚类级成对模块的损失函数Lcluster： 最后，细胞级损失函数Lcell和聚类级损失函数Lcluster通过相加得到模型的整体损失函数Loss，其公式为：Loss＝Lcell+Lcluster步骤5.在步骤4优化完成后，使用步骤2中学习到的降维特征Y进行轨迹预测，得到预测的轨迹。

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”。