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！

龙图腾网获悉齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)申请的专利基于对比学习的无监督农机轨迹分类方法及装置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：CN121723271B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202610218801.8，技术领域涉及：G06F18/241；该发明授权基于对比学习的无监督农机轨迹分类方法及装置是由白金强;李亚朋;李宣毅;刘冠聪;程广河;丁青艳;郝慧娟;郝凤琦;尹亚南设计研发完成，并于2026-02-24向国家知识产权局提交的专利申请。

本基于对比学习的无监督农机轨迹分类方法及装置在说明书摘要公布了：本发明属于电数字数据处理技术领域，具体涉及基于对比学习的无监督农机轨迹分类方法及装置。所述方法通过多视图增强、全局与局部时序建模、动态负样本优化等机制，使模型能够从未标注数据中自动学习到具有区分性的轨迹特征表示，从而实现无监督的轨迹聚类与分类，显著提升了模型学习的稳定性、可解释性和泛化能力。所述方法构建了端到端的无监督学习框架，能够直接从连续采集的海量农机轨迹数据中自动发现潜在作业模式与结构差异，无需任何先验类别信息或人工经验规则，避免了人工标注主观性强、成本高、难以规模化的问题，特别适用于多区域、多机型长期运行数据的持续分析场景。

本发明授权基于对比学习的无监督农机轨迹分类方法及装置在权利要求书中公布了：1.基于对比学习的无监督农机轨迹分类方法，其特征在于，所述方法包括： S1、对原始农机轨迹进行预处理，得到轨迹段数据集； S2、构建对比学习模型，所述对比学习模型包括谱域关联-动态记忆解耦式混合时序编码器： S21、对步骤S1得到的轨迹段数据集进行基于特征维度的不对称数据增强，得到弱增强样本集和强增强样本集； S22、将弱增强样本集和强增强样本集分别经过特征编码器提取单个样本的时间特征，得到包含单个样本时间特征的样本集，所述包括包含单个样本时间特征的弱增强样本集和强增强样本集； S23、构建谱域关联-动态记忆解耦式混合时序编码器，以对步骤S22得到的包含单个样本时间特征的样本集进行特征提取，得到特征提取后的特征样本； S24、引入自适应难分负样本采样策略，对步骤S23中输出的样本中的负样本进行划分，以构建难分负样本集合； S25、基于步骤S24构建的难分负样本集合，计算加权对比损失并通过反向传播迭代更新对比学习模型参数，直至模型收敛； S3、对比学习模型训练：使用经过步骤S1预处理后的轨迹段数据集训练步骤S2构建的对比学习模型，直至模型收敛，输出轨迹表征模型； S4、无监督轨迹分类： 将需要分类的数据经过步骤S1预处理后输入至步骤S3的轨迹表征模型中，获得输出的特征，对输出的特征进行聚类，以实现无监督轨迹分类。

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齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)，其通讯地址为：250000 山东省济南市长清区西部新城大学科技园；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”。

以上内容由龙图腾AI智能生成。