[发明专利]面向多元时序数据处理的预见式对照表征方法

说明书

本申请涉及一种面向多元时序数据处理的预见式对照表征方法。所述方法包括：利用对数双线性模型对当前时刻的时序编码信息和未来态势信息进行映射，得到相似度；根据噪声对比估计方法和预测态势标签数据对相似度进行训练，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；根据预见式对照损失函数中对应的最佳损失情况对预测态势标签数据进行采样，利用采样概率和相似度之间的正比特性对预见式对照损失函数进行优化，根据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，通过最大化互信息进行预见式对照表征。采用本方法能够提高多元态势信息预测准确率。

技术领域

本申请涉及数据处理技术领域，特别是涉及一种面向多元时序数据处理的预见式对照表征方法、计算机设备和存储介质。

背景技术

预见式对照表征方法是用来学习一种能够对高维信号的时序共享信息进行有效表征，同时舍弃冗余信息并滤除噪声的特征提取方法。在基于时间序列和高维数据的建模中，通过对能够进行行为预测的特征进行有效表征学习，使其表征的低维特征更加有利于快速决策，还用于处理对时序向量与图像式态势信息，使得编码具备态势信息综合与态势发展预判表征能力，并最终作为无人机智能临机规划作为先验知识使用。

然而，目前的预见式对照表征方法忽略了态势信息中的时序关系，在预测未来态势信息方面准确率比较低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高多元态势信息预测准确率的面向多元时序数据处理的预见式对照表征方法、计算机设备和存储介质。

一种面向多元时序数据处理的预见式对照表征方法，所述方法包括：

获取多元态势信息历史数据；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；预测态势标签数据包括正样本和负样本；

利用全连接网络和卷积神经网络对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预测态势标签数据对相似度进行训练，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；

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

利用采样概率和相似度之间的正比特性对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，通过最大化互信息进行预见式对照表征。

在其中一个实施例中，编码态势数据包括多个单帧编码态势数据；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；

利用卷积神经网络对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。

在其中一个实施例中，利用对数双线性模型对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