買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉中國人民解放軍國防科技大學申請的專利一種基于時序網絡模型的目標行動區域聚類預測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120336900B 。

龍圖騰網通過國家知識產權局官網在2025-09-02發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510827882.7，技術領域涉及：G06F18/23213；該發明授權一種基于時序網絡模型的目標行動區域聚類預測方法是由陳超;雷軍;孫博良;王剛;李鵬;石建邁;范長俊設計研發完成，并于2025-06-20向國家知識產權局提交的專利申請。

本一種基于時序網絡模型的目標行動區域聚類預測方法在說明書摘要公布了：本發明公開了一種基于時序網絡模型的目標行動區域聚類預測方法，包括以下步驟：對原始態勢數據進行預處理；基于業務規則和具體的態勢數據內容建立關于目標行為畫像，確定目標行為特征；利用DBSCAN算法在經過預測后的目標態勢數據上進行挖掘，通過聚類方法計算出所有目標的行為特征；基于特征集中的特征數目建立基于LSTM結構的目標行為預測網絡模型，并確定網絡模型的訓練損失函數；基于SGD算法訓練網絡模型，訓練收斂后將模型的權重及網絡結構導出到文件中保存；導入訓練好的模型權重，應用到實時目標數據中，并對目標的行動或區域進行預測輸出。本發明具有較高預測準確性和實時性，可快速識別和預測目標的行動趨勢。

本發明授權一種基于時序網絡模型的目標行動區域聚類預測方法在權利要求書中公布了：1.一種基于時序網絡模型的目標行動區域聚類預測方法，其特征在于，包括以下步驟： S1：對原始態勢數據進行預處理，包含數據篩選和數據清理； S2：基于業務規則和具體的態勢數據內容建立關于目標行為畫像，確定目標行為特征； S3：利用DBSCAN算法在經過預測后的目標態勢數據上進行挖掘，通過聚類方法計算出所有目標的行為特征，聚類處理后的結果形成關于目標的特征數據集，用于訓練后續的神經網絡模型； S4：基于特征集中的特征數目建立基于LSTM結構的目標行為預測網絡模型，并確定網絡模型的訓練損失函數； S5：基于SGD算法訓練網絡模型，訓練收斂后將模型的權重及網絡結構導出到文件中保存； S6：導入訓練好的模型權重，應用到實時目標數據中，并對目標的行動或區域進行預測輸出； 步驟S3還包括： S31：標記各個目標所有歷史行為記錄的初始狀態為True； S32：從中隨機抽取出一條行為記錄，更換其標記為False：以為中心點作圓，遍歷該行為記錄對應目標的行為數據集中的所有標記為True的對象； S33：判斷該條行為記錄的屬性：若以為中心、以為半徑所作圓內的歷史行為頻次，則標記該條行為記錄為簇中心點并創建對應簇，將簇內目標記錄時間的平均值作為該簇的標準時間，再隨機抽取下一條行為記錄，轉入S32，直至目標的全部歷史行為記錄均遍歷，即全部行為記錄標記為False，轉入S34； S34：若目標所標記的中心點總數為0，則表示該目標無固定行為規律，直接轉入S38，若目標所標記的中心點總數不為0，則轉入S35； S35：對于某簇下的任意兩個中心點，如若其記錄時間間隔小于EPS，則將兩點相連，將相連的中心點及其鄰域內的全部點構成一個組合簇；若某一中心點不與其他任何中心點相連，那么該中心點及其鄰域內的全部點自成一簇：沒有構成簇的歷史行為記錄便記為噪聲點，表示個體目標隨機行為； S36：輸出個體目標所生成的全部簇： ； S37：將全部簇內關鍵區域與坐標集對應匹配，得到個體行為時空特性，其中是根據目標行動關鍵點集合生成的航跡片段編號： ； 進而整合輸出目標的個體行為時空特性矩陣； ； S38：輸入下一個目標ID的歷史行為記錄集，轉入S31，直至遍歷完所有目標ID，算法結束。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中國人民解放軍國防科技大學，其通訊地址為：410073 湖南省長沙市開福區德雅路109號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。