申请/专利权人:浙江大学
申请日:2024-02-01
公开(公告)日:2024-05-24
公开(公告)号:CN118070118A
主分类号:G06F18/241
分类号:G06F18/241;G06F18/213;G06F18/2321
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.11#实质审查的生效;2024.05.24#公开
摘要:本发明提供基于空间特征和结构特征的果蝇飞行轨迹分类方法,利用轨迹样本增强方法生成多样化的轨迹样本,并通过轨迹空间特征嵌入器和轨迹结构特征嵌入器得到果蝇飞行轨迹的空间和结构特征矩阵,其中结构特征嵌入器设计了一种具有全局不变性的形状描述符,帮助识别空间中具有相同形状的轨迹。使用嵌入后的轨迹空间和结构特征矩阵通过对比学习的方式训练基于交叉注意力的轨迹特征编码器,解决了缺少高质量果蝇轨迹数据集的问题。训练得到基于空间特征和结构特征的轨迹特征编码器,采用基于KL散度的深度聚类技术,实现轨迹的自动分类。该方法为果蝇飞行轨迹研究提供了一种创新的分类方法,可应用于果蝇行为模式研究、标签数据集生成等相关场景。
主权项:1.基于空间特征和结构特征的果蝇飞行轨迹分类方法,其特征在于,包括:1使用轨迹样本增强方法,生成多种增强的飞行轨迹样本,2将飞行轨迹样本输入轨迹空间特征嵌入器和轨迹结构特征嵌入器,生成果蝇飞行轨迹的空间特征矩阵和结构特征矩阵,设计基于空间特征和结构特征的轨迹特征提取器,通过对比学习的方式进行训练,然后提取飞行轨迹的特征向量,3采用基于KL散度的深度聚类技术,实现飞行轨迹的自动分类。
全文数据:
权利要求:
百度查询: 浙江大学 基于空间特征和结构特征的果蝇飞行轨迹分类方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。