(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211331200.6 (22)申请日 2022.10.28 (71)申请人 中国人民解 放军国防科技大 学 地址 410073 湖南省长 沙市开福区德雅路 109号 (72)发明人 冯旸赫　张驭龙　张龙飞　 (74)专利代理 机构 长沙国科天河知识产权代理 有限公司 432 25 专利代理师 彭小兰 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06V 10/82(2022.01) (54)发明名称 面向多元时序数据处理的预见式对照表征 方法 (57)摘要 本申请涉及一种面向多元时序数据处理的 预见式对照表征方法。 所述方法包括： 利用对数 双线性模型对当前时刻 的时序编码信息和未来 态势信息进行映射， 得到相似度； 根据噪声对比 估计方法和预测态势标签数据对相似度进行训 练， 利用训练结果构建当前时刻的时序编码信息 和未来态势信息的预见式对照损失函数； 根据预 见式对照损失函数中对应的最佳损失情况对预 测态势标签数据进行采样， 利用采样概率和相似 度之间的正比特性对预见式对照损失函数进行 优化， 根据优化后的预见式对照损失函数构建当 前时刻的时序编码信息和未来态势信息之间的 互信息， 通过最大化互信息进行预见式对照表 征。 采用本方法能够提高多元态势信息预测准确 率。 权利要求书3页 说明书11页 附图3页 CN 115481702 A 2022.12.16 CN 115481702 A 1.一种面向多元时序数据处 理的预见式对照表征 方法， 其特 征在于， 所述方法包括： 获取多元态势信 息历史数据； 所述多元态势信 息历史数据包括编码态势数据和预测态 势标签数据； 所述预测态 势标签数据包括 正样本和负 样本； 利用全连接网络和卷积神经网络对所述编码态势数据进行编码， 得到当前时刻的单帧 编码信息； 根据LSTM网络和注意力机制网络对所述单帧编码信息进行编码， 得到当前时刻的时序 编码信息； 利用对数双线性模型对所述当前时刻的时序编码信 息和未来态势信 息进行映射， 得到 当前时刻的时序编码信息和未来态 势信息的相似度； 根据噪声对比估计方法和所述预测态势标签数据对所述相似度进行训练， 利用训练结 果构建当前时刻的时序编码信息和未来态 势信息的预 见式对照损失函数； 根据所述预见式对照损失函数中对应的最佳损失情况对所述预测态势标签数据进行 采样， 得到正样本的采样概 率； 利用所述采样概率和所述相似度之间的正比特性对所述预见式对照损 失函数进行优 化， 得到优化后的预 见式对照损失函数； 根据所述优化后的预见式对照损失函数构建当前时刻的时序编码信息和未来态势信 息之间的互信息， 通过最大化所述互信息进行 预见式对照表征。 2.根据权利要求1所述的方法， 其特征在于， 所述编码态势数据包括多个单帧编码态势 数据； 所述单帧编码态势数据包括向量式信息和图像式信息； 利用全连接网络和卷积神经 网络对所述编码态 势数据进行编码， 得到单帧编码信息， 包括： 利用全连接网络对所述向量式信息进行编码， 得到当前时刻的单帧 向量编码信息； 利用所述卷积神经网络对所述图像式信 息进行编码， 得到当前时刻的单帧图像编码信 息； 将所述单帧向量编码信 息和单帧图像编码信 息进行拼接， 得到当前时刻的单帧编码信 息。 3.根据权利要求1所述的方法， 其特征在于， 利用对数双线性模型对所述当前时刻的时 序编码信息和未来态势信息进 行映射， 得到当前时刻的时序编 码信息和未来态势信息的相 似度， 包括： 利用对数双线性模型对所述当前时刻的时序编码信 息和未来态势信 息进行映射， 得到 当前时刻的时序编码信息和未来态 势信息的相似度为 其中， 表示当前时刻 t的时序编码信息， 表示未来态势信息， 表示未来态势信 息的编码信息， K表示时刻的数量， 表示权值系数矩阵, k表示时刻的序号。 4.根据权利要求3所述的方法， 其特征在于， 所述训练结果包括正样本中当前时刻的时 序编码信息和未来态势信息的正确相似度和多个负样本中当前时刻的时序编码信息和未 来态势信息的虚 假相似度； 根据噪声对比估计方法和所述预测态势标签数据对所述相似度 进行训练， 利用训练结果构建当前时刻的时序编码信息和未来态势信息的预见式对照损失 函数， 包括：权　利　要　求　书 1/3 页 2 CN 115481702 A 2根据噪声对比估计方法和所述预测态势标签数据对所述相似度进行训练， 利用正确相 似度和多个虚假相似度构建当前时刻的时序编码信息和未来态势信息的预见式对照损失 函数。 5.根据权利要求4所述的方法， 其特征在于， 利用正确相似度和多个虚假相似度构建当 前时刻的时序编码信息和未来态 势信息的预 见式对照损失函数， 包括： 利用正确相似度和多个虚假相似度构建当前时刻的时序编码信息和未来态势信息的 预见式对照损失函数为 其中， 表示正样本对， 表示负样本对， 表示样本总数， 表示负样 本， 表示期望值。 6.根据权利要求5所述的方法， 其特征在于， 根据 所述预见式对照损失函数中对应的最 佳损失情况对所述预测态 势标签数据进行采样， 得到正样本的采样概 率， 包括： 根据所述预见式对照损失函数中对应的最佳损失情况对所述预测态势标签数据进行 采样， 得到正样本的采样概 率为 其中，i表示正样本的序号 ， j表示负样本序号， N表示负样本总数， 表示正样本 中的态势信 息 与当前时刻的时序编码信 息 的联合分布概率， 表示正样本 中的态 势信息 的出现概率， 表示负样本中的态势信息 与当前时刻的时序编码信息 的联合分布概 率， 表示负样本中的态 势信息 的出现概 率。 7.根据权利要求6所述的方法， 其特征在于， 所述采样概率和所述相似度之间的正比特 性为 其中， 表示未来态势信息 与当前时刻的时序编码信息 的联合分布概 率， 表示未来态 势信息 的出现概 率。 8.根据权利要求7所述的方法， 其特征在于， 利用所述采样概率和所述相似度之间的正 比特性对所述预 见式对照损失函数进行优化， 得到优化后的预 见式对照损失函数， 包括： 利用所述采样概率和所述相似度之间的正比特性对所述预见式对照损 失函数进行优 化， 得到优化后的预 见式对照损失函数为权　利　要　求　书 2/3 页 3 CN 115481702 A 3