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！

龙图腾网获悉西安现代控制技术研究所申请的专利基于注意力表征集成聚类的低成本飞行器运行支持方法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：CN121658871B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202610175742.0，技术领域涉及：G06F18/21；该发明授权基于注意力表征集成聚类的低成本飞行器运行支持方法是由骆盛;李国旭;刘钧圣;赵力冉;董越;刘贻鑫设计研发完成，并于2026-02-06向国家知识产权局提交的专利申请。

本基于注意力表征集成聚类的低成本飞行器运行支持方法在说明书摘要公布了：本发明属于航空航天工程与数据挖掘领域，公开了一种基于注意力表征集成聚类的低成本飞行器运行支持方法，包括：获取飞行器历史的传感器数据并进行预处理，得到特征矩阵并构造样本；针对特征矩阵，利用基聚类算法生成多个基划分；构造全局高阶关联矩阵；利用全局高阶关联矩阵建立群组，确定每个群组的质心特征向量；构造深度神经网络，包括编码器、解码器和输出单元；利用特征矩阵对深度神经网络进行训练；训练时的总目标函数包括聚类损失和重构损失；所述重构损失基于重构邻接矩阵以及基划分对应的邻接矩阵进行构建；获取飞行器实时的传感器数据并按照时间切片划分后，输入到训练好的深度神经网络中得到对应的预测结果。

本发明授权基于注意力表征集成聚类的低成本飞行器运行支持方法在权利要求书中公布了：1.基于注意力表征集成聚类的低成本飞行器运行支持方法，其特征在于，包括： 获取飞行器历史的传感器数据并进行预处理，得到特征矩阵；基于对特征矩阵进行时间切片的划分以构造样本； 针对特征矩阵，利用基聚类算法生成多个基划分；基于每个基划分对应的指示矩阵，构造全局高阶关联矩阵； 利用全局高阶关联矩阵建立群组，确定每个群组的质心特征向量； 构造深度神经网络，包括编码器、解码器和输出单元；所述编码器基于质心特征向量和全局高阶关联矩阵，得到低维嵌入表示，包括： 编码器采用L层全连接层；每个全连接层针对其输入特征中每个样本对应的样本特征进行注意力系数计算、归一化处理以及特征聚合，得到更新特征；所有的更新特征作为下一层全连接层的输入；其中，第一个全连接层的输入特征为全局高阶关联矩阵，最后一个全连接层输出的所有更新特征聚合后作为低维嵌入表示Z； 每层全连接层中按照以下公式计算注意力系数： ； 其中，为第层全连接层中第个样本在全局高阶关联矩阵中对应的第行向量，将其作为第个样本对应的样本特征；；为第个样本在第层全连接层中相对第个群组的注意力系数；、分别为第层全连接层的可学习注意力权重、可学习权重矩阵；上标表示转置；表示向量拼接操作；表示线性整流函数；为全局高阶关联矩阵的第个群组的质心特征向量； 对注意力系数进行归一化处理： ； 其中，为归一化后的注意力系数，为第个样本在第层全连接层中相对第个群组的注意力系数，，表示全局高阶关联矩阵中第行第列的元素，表示样本属于第个群组；为自然指数函数； 利用归一化后的注意力系数，加权聚合群组以得到更新特征： ； 其中，为第个样本的更新特征，也即下一层全连接层的输入特征；为平衡系数，取值范围为0.1~1；为所有基划分中簇的总数；表示全局高阶关联矩阵中第行第列的元素， 对最后一个全连接层输出的所有样本的更新特征进行聚合，得到低维嵌入表示； 所述解码器根据低维嵌入表示输出重构邻接矩阵；所述输出单元根据低维嵌入表示确定样本属于不同预设类别的预测概率； 利用特征矩阵对深度神经网络进行训练；训练时的总目标函数包括聚类损失和重构损失；所述重构损失基于重构邻接矩阵以及基划分对应的邻接矩阵进行构建； 获取飞行器实时的传感器数据并按照时间切片划分后，输入到训练好的深度神经网络中得到对应的预测结果。

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现代控制技术研究所，其通讯地址为：710065 陕西省西安市雁塔区丈八东路10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。