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！

龙图腾网获悉西安电子科技大学申请的专利基于参考transformer的数据超分辨重构方法、装置及系统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：CN117272027B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202311301525.4，技术领域涉及：G06F18/213；该发明授权基于参考transformer的数据超分辨重构方法、装置及系统是由吴凯;陈兰兰;刘静设计研发完成，并于2023-10-09向国家知识产权局提交的专利申请。

本基于参考transformer的数据超分辨重构方法、装置及系统在说明书摘要公布了：本发明提供了一种基于参考transformer的数据超分辨重构方法、装置及系统，涉及数据处理技术领域。基于参考transformer的数据超分辨重构方法包括：获取待转低频负载数据，对待转低频负载数据进行对数和归一化处理，并按照转换序列长度进行数据划分，得到预处理的待转低频负载序列；将预处理的待转低频负载序列输入符合条件的数据超分辨重构模型，得到重构的超分辨高频数据；通过设计单独的特征提取模块和信息补充模块，并对低频负载特征进行特征融合的方式，强化了低频数据与高频数据之间的对应关系，使得特征表达更加全面；此外，连续重构和周期重构充分利用了数据的变化特点，将数据的长期特征进行了充分表达，减少了数据细节的丢失，提高了数据重构的准确度。

本发明授权基于参考transformer的数据超分辨重构方法、装置及系统在权利要求书中公布了：1.一种基于参考transformer的数据超分辨重构方法，其特征在于，包括： 获取待转低频负载数据，对所述待转低频负载数据进行对数和归一化处理，并按照转换序列长度进行数据划分，得到预处理的待转低频负载序列； 将所述预处理的待转低频负载序列输入符合条件的数据超分辨重构模型，得到重构的超分辨高频数据；其中，所述符合条件的数据超分辨重构模型包括：特征提取模块、信息补充模块和超分重构模块；所述特征提取模块用于对低频负载序列进行特征提取，得到低频负载特征；所述信息补充模块用于对所述低频负载特征依次进行注意处理、特征融合，得到加强后的高频负载特征；所述超分重构模块用于对所述加强后的高频负载特征进行连续重构和周期重构，得到重构的超分辨高频数据； 其中，所述符合条件的数据超分辨重构模型通过包括以下步骤的训练过程得到： 获取训练负载数据，所述训练负载数据包括低频训练负载数据和高频训练负载数据； 将所述训练负载数据进行序列相似度计算，得到低频训练负载序列；其中，所述序列相似度计算公式表示为： ；1 其中，是序列长度，是由划分所述低频训练负载数据得到的序列个数，是低频训练负载序列的第个周期的序列第个元素； 按照序列相似度计算公式计算所述低频训练负载序列中每个元素的序列相似度； 按照计算得到的序列相似度组成序列相似度图，并将所述序列相似度图上最小极值点对应的作为转换序列长度； 按照所述转换序列长度对所述低频训练负载数据进行划分得到所述低频训练负载序列； 通过所述低频训练负载序列，计算得到连续重构因子和周期重构因子；其中，所述计算连续重构因子和周期重构因子，具体包括： 步骤A、计算低频训练负载序列对应的时间长度，表示为：，为低频训练负载数据的频率； 步骤B、确定对应的高频序列，计算的近似周期；的近似周期为： ； ；2 其中，为傅里叶变换，为取幅值操作； 步骤C、计算所述近似周期对应的序列个数，，为高频训练负载数据的频率； 步骤D、当不为整数，则将步骤B中幅度仅次于对应的幅度的频率赋予，重新计算； 步骤E、如果为整数，且为素数，则最小周期，否则用记录当前的周期； 步骤F、循环执行步骤B-E，直到找到最小周期； 步骤H、通过最小周期计算周期重构因子以及连续重构因子，其中和k为正整数，为最小重构窗口，超分辨率因子。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2号；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。