[发明专利]面向多元时序数据处理的预见式对照表征方法

权利要求书

1.一种面向多元时序数据处理的预见式对照表征方法，其特征在于，所述方法包括：

获取多元态势信息历史数据；所述多元态势信息历史数据包括编码态势数据和预测态势标签数据；所述预测态势标签数据包括正样本和负样本；所述多元态势信息历史数据为无人机在任务级对抗平台中生成的历史数据；所述编码态势数据用于对当前时刻态势信息进行编码；所述预测态势标签数据表示用于计算时序编码器中多元态势信息编码的预测性特征相关度自回归损失；所述态势信息包括无人机和待侦察点位数目的统计值、无人机和待侦察点位位置以及状态信息；

利用全连接网络和卷积神经网络对所述编码态势数据进行编码，得到当前时刻的单帧编码信息；

根据LSTM网络和注意力机制网络对所述单帧编码信息进行编码，得到当前时刻的时序编码信息；

利用对数双线性模型对所述当前时刻的时序编码信息和未来态势信息进行映射，得到当前时刻的时序编码信息和未来态势信息的相似度；

根据噪声对比估计方法和所述预测态势标签数据对所述相似度进行训练，利用训练结果构建当前时刻的时序编码信息和未来态势信息的预见式对照损失函数；

根据所述预见式对照损失函数中对应的最佳损失情况对所述预测态势标签数据进行采样，得到正样本的采样概率；

利用所述采样概率和所述相似度之间的正比特性对所述预见式对照损失函数进行优化，得到优化后的预见式对照损失函数；

根据所述优化后的预见式对照损失函数构建当前时刻的时序编码信息和未来态势信息之间的互信息，通过最大化所述互信息进行预见式对照表征；通过最大化所述互信息进行预见式对照表征，包括：

通过最大化未来态势信息和当前时刻的时序编码信息之间的互信息来对未来信息进行预测。

2.根据权利要求1所述的方法，其特征在于，所述编码态势数据包括多个单帧编码态势数据；所述单帧编码态势数据包括向量式信息和图像式信息；利用全连接网络和卷积神经网络对所述编码态势数据进行编码，得到单帧编码信息，包括：

利用全连接网络对所述向量式信息进行编码，得到当前时刻的单帧向量编码信息；

利用所述卷积神经网络对所述图像式信息进行编码，得到当前时刻的单帧图像编码信息；

将所述单帧向量编码信息和单帧图像编码信息进行拼接，得到当前时刻的单帧编码信息。

3.根据权利要求1所述的方法，其特征在于，利用对数双线性模型对所述当前时刻的时序编码信息和未来态势信息进行映射，得到当前时刻的时序编码信息和未来态势信息的相似度，包括：

利用对数双线性模型对所述当前时刻的时序编码信息和未来态势信息进行映射，得到当前时刻的时序编码信息和未来态势信息的相似度为

其中，表示当前时刻t的时序编码信息，表示未来态势信息，表示未来态势信息的编码信息，K表示时刻的数量，表示权值系数矩阵,k表示时刻的序号。

4.根据权利要求3所述的方法，其特征在于，所述训练结果包括正样本中当前时刻的时序编码信息和未来态势信息的正确相似度和多个负样本中当前时刻的时序编码信息和未来态势信息的虚假相似度；根据噪声对比估计方法和所述预测态势标签数据对所述相似度进行训练，利用训练结果构建当前时刻的时序编码信息和未来态势信息的预见式对照损失函数，包括：

根据噪声对比估计方法和所述预测态势标签数据对所述相似度进行训练，利用正确相似度和多个虚假相似度构建当前时刻的时序编码信息和未来态势信息的预见式对照损失函数。

5.根据权利要求4所述的方法，其特征在于，利用正确相似度和多个虚假相似度构建当前时刻的时序编码信息和未来态势信息的预见式对照损失函数，包括：

利用正确相似度和多个虚假相似度构建当前时刻的时序编码信息和未来态势信息的预见式对照损失函数为

其中，表示正样本对，表示负样本对，表示样本总数，表示负样本，表示期望值。