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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉西北工業(yè)大學申請的專利一種針對創(chuàng)面微環(huán)境數(shù)據(jù)的多元時間序列數(shù)據(jù)增強方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114496280B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-09發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202210047105.7，技術(shù)領(lǐng)域涉及：G16H50/70；該發(fā)明授權(quán)一種針對創(chuàng)面微環(huán)境數(shù)據(jù)的多元時間序列數(shù)據(jù)增強方法是由谷建華;張倩如;趙天海設(shè)計研發(fā)完成，并于2022-01-14向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種針對創(chuàng)面微環(huán)境數(shù)據(jù)的多元時間序列數(shù)據(jù)增強方法在說明書摘要公布了：本發(fā)明涉及一種針對創(chuàng)面微環(huán)境數(shù)據(jù)的多元時間序列數(shù)據(jù)增強方法，屬于醫(yī)療領(lǐng)域和機器學習技術(shù)領(lǐng)域。基于動態(tài)時間規(guī)整算法進行樣本間的相似性度量，通過隨機選擇一個樣本作為基準樣本，搜索與基準樣本最近鄰的K個同類別樣本，對所有選擇的樣本相對于基準樣本進行動態(tài)時間規(guī)整，并對規(guī)整后的樣本集進行加權(quán)平均，將均值序列數(shù)據(jù)作為一個新的合成樣本。通過隨機權(quán)重和添加噪聲的方式提高數(shù)據(jù)多樣性，以彌補數(shù)據(jù)量不足時所帶來的模型過擬合和泛化能力差的問題，有效提高各種分類器在創(chuàng)面微環(huán)境數(shù)據(jù)集上的預(yù)測效果。

本發(fā)明授權(quán)一種針對創(chuàng)面微環(huán)境數(shù)據(jù)的多元時間序列數(shù)據(jù)增強方法在權(quán)利要求書中公布了：1.一種針對創(chuàng)面微環(huán)境數(shù)據(jù)的多元時間序列數(shù)據(jù)增強方法，其特征在于步驟如下： 步驟1：輸入待增強的創(chuàng)面微環(huán)境數(shù)據(jù)集，所述數(shù)據(jù)包括滲出液pH值、創(chuàng)面溫度、濕度、氧分壓數(shù)據(jù)，該數(shù)據(jù)集對應(yīng)的標簽集，以及可配置的參數(shù)：尋找的近鄰數(shù)量K、基準樣本權(quán)重參數(shù)；所述創(chuàng)面微環(huán)境數(shù)據(jù)集，其中為一個多元時間序列，其中，N為樣本集數(shù)量，T為每個樣本的時間步長，n為每一時間步內(nèi)的特征數(shù)；樣本集對應(yīng)的標簽集，其中表示樣本的類別標簽； 步驟2：從數(shù)據(jù)集中隨機選取一個樣本作為基準樣本，記為，其對應(yīng)的類別標簽為； 步驟3：計算數(shù)據(jù)集中所有類別為的數(shù)據(jù)樣本與之間的基于動態(tài)時間規(guī)整算法規(guī)整后的距離，尋找最近的K個樣本，計算這K個所選樣本分別相對于的基于動態(tài)時間規(guī)整算法規(guī)整序列，與組成待平均數(shù)據(jù)集AvgTS，其大小為K+1； 所述步驟3中計算數(shù)據(jù)集中一個樣本相對于的基于動態(tài)時間規(guī)整算法規(guī)整后的距離，是指通過動態(tài)時間規(guī)整算法，將相對于在時間軸下進行扭曲，即進行拉伸或者收縮，并尋求最優(yōu)的規(guī)整方案；這里的最優(yōu)是指規(guī)整后每一時間步的距離之和最小；規(guī)整后中每一個時間步的數(shù)據(jù)對應(yīng)于中一個或多個時間步數(shù)據(jù)，進而計算每一時間步的樣本距離以及整個序列的距離； 所述步驟3中規(guī)整序列是指每個樣本相對于的對齊序列，在計算兩個序列的DTW距離時，根據(jù)過程中求得的距離矩陣回溯獲得最優(yōu)對齊時的對齊方案；所謂對齊方案，是指中一個時間步對應(yīng)于中一個或多個時間步； 步驟4：生成隨機權(quán)重集；權(quán)重集，是基準樣本權(quán)重值，是一個可配置的輸入?yún)?shù)，是K個近鄰樣本的權(quán)重，通過偽隨機數(shù)生成的方式生成，并將其規(guī)整為和為的K個權(quán)重值； 所述步驟4中的隨機權(quán)重集，其大小為K+1，其和為1，表示待平均樣本集中每個樣本的權(quán)重；這里對基準樣本賦予的權(quán)重，其余K個樣本的權(quán)重通過偽隨機數(shù)生成的方式生成，且其權(quán)重之和為；為可配置參數(shù)，對于創(chuàng)面微環(huán)境數(shù)據(jù)集，其經(jīng)驗值為0.5； 步驟5：計算數(shù)據(jù)集AvgTS每一時間步的數(shù)據(jù)按照W中的權(quán)重進行的加權(quán)平均值，構(gòu)成均值時間序列； 所述步驟5中計算數(shù)據(jù)集AvgTS的加權(quán)平均序列是指對求得的K個樣本相對于基準樣本的對齊序列，對每一時間步求加權(quán)平均值作為合成樣本該時間步的數(shù)值向量； 步驟6：添加噪聲：對求得的均值序列添加高斯噪聲，作為一條新的數(shù)據(jù)樣本，且其標簽與基準樣本一致。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人西北工業(yè)大學，其通訊地址為：710072 陜西省西安市友誼西路127號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。