龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：广东海洋大学
摘要：本发明公开了基于机器学习的海上目标行为预测方法，涉及机器学习技术领域，收集目标海域内目标鱼群的迁徙多源异构数据，提取全局静态数据和历史动态数据。基于历史动态数据构建动态特征序列集合，输入带有注意力机制的编码器模型获得编码动态特征序列；基于全局静态数据，使用静态变化模型获得与编码动态特征序列形式一致的编码静态特征序列。将编码动态特征序列和编码静态特征序列进行融合，获得融合特征序列，输入至解码器模型中进行训练。在预测时，将实时收集的最新动态数据和全局静态数据输入模型，从而获得目标鱼群下一时刻的迁徙位置预测。实现了对海洋中目标鱼群迁徙位置高效、精准地预测。
主权项：1.基于机器学习的海上目标行为预测方法，其特征在于，包括以下步骤：步骤一：收集目标海域内目标鱼群的迁徙多源异构数据，并基于迁徙多源异构数据提取全局静态数据和历史动态数据；步骤二：基于历史动态数据，构建若干组动态特征序列集合，将动态特征序列集合输入带有注意力机制的编码器模型中，获得编码动态特征序列；步骤三：基于全局静态数据，使用静态变化模型对静态特征进行非线性变换，获得与编码动态特征序列形式一致的编码静态特征序列；步骤四：将每组动态特征序列集合的编码动态特征序列和编码静态特征序列进行融合，获得融合特征序列；步骤五：将融合特征序列输入至解码器模型中，解码器模型以目标鱼群下一时刻预测的迁徙位置为输出，训练编码器－解码器模型；步骤六：实时收集目标鱼群的最近动态数据，并基于最近动态数据、全局静态数据和编码器－解码器模型，获得预测的目标鱼群下一时刻的迁徙位置。
全文数据：
权利要求：
百度查询： 广东海洋大学 基于机器学习的海上目标行为预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号