[發明專利]基于長短時記憶網絡的態勢認知方法、裝置、設備和介質

在審

• 申請號: 202011573809.5
• 申請日: 2020-12-25
• 公開（公告）號: CN112580788A
• 公開（公告）日: 2021-03-30
• 發明（設計）人: 李康;孟祥瑞;李新興
• 申請（專利權）人: 中國電子科技集團公司信息科學研究院
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06K9/62;H04L29/06;H04L12/24
• 代理公司: 北京中知法苑知識產權代理有限公司 11226
• 代理人: 李明;趙吉陽

1.一種基于長短時記憶網絡的態勢認知方法，其特征在于，所述方法包括：

獲取多個不同時刻的態勢感知數據；

將所述多個不同時刻的態勢感知數據輸入至長短時記憶網絡，所述長短時記憶網絡對所述多個不同時刻的態勢感知數據進行處理，以得到態勢認知特征向量；

根據所述態勢認知特征向量得到態勢認知結果。

2.根據權利要求1所述的方法，其特征在于，所述獲取多個不同時刻的態勢感知數據包括：

獲取多個不同時刻的態勢感知原始數據；

判斷所述多個不同時刻的態勢感知原始數據是否為異構數據，若是異構數據，則對所述多個不同時刻的態勢感知原始數據進行歸一化處理，以使得處理后的數據具有相同的數據結構，得到對應的多個不同時刻的態勢感知數據。

3.根據權利要求1所述的方法，其特征在于，所述根據所述態勢認知特征向量得到態勢認知結果，包括：

將所述態勢認知特征向量輸入至預訓練的神經網絡，所述預訓練的神經網絡具有多個神經元，每個所述神經元根據所述態勢認知特征向量輸出態勢預測概率，以得到態勢認知結果。

4.根據權利要求1至3中任意一項所述的方法，其特征在于，在所述將所述多個不同時刻的態勢感知數據輸入至長短時記憶網絡，以得到態勢認知特征向量前，包括：

構建初始長短時記憶網絡；

使用多個不同時刻的態勢感知歷史數據作為訓練樣本，訓練所述初始長短時記憶網絡，得到所述長短時記憶網絡。

5.根據權利要求1至3中任意一項所述的方法，其特征在于，在所述根據所述態勢認知特征向量得到態勢認知結果后，還包括：

將所述態勢認知結果與預設的態勢決策閾值進行比較，根據比較結果得到態勢預測結果。

6.一種基于長短時記憶網絡的態勢認知裝置，其特征在于，所述裝置包括：

準備模塊，用于獲取多個不同時刻的態勢感知數據；

態勢分析模塊，用于將所述多個不同時刻的態勢感知數據輸入至長短時記憶網絡，所述長短時記憶網絡對所述多個不同時刻的態勢感知數據進行處理，以得到態勢認知特征向量；

態勢評估模塊，用于根據所述態勢認知特征向量得到態勢認知結果。

7.根據權利要求6所述的裝置，其特征在于，所述準備模塊還包括：

獲取子模塊，用于獲取多個不同時刻的態勢感知原始數據；

歸一化子模塊，用于判斷所述多個不同時刻的態勢感知原始數據是否為異構數據，若是異構數據，則對所述多個不同時刻的態勢感知原始數據進行歸一化處理，以使得處理后的數據具有相同的數據結構，得到對應的多個不同時刻的態勢感知數據。

8.根據權利要求6所述的裝置，其特征在于，所述裝置還包括：

態勢決策模塊，用于將所述態勢感知結果與預設的態勢決策閾值進行比較，根據比較結果得到態勢預測結果。

9.一種電子設備，其特征在于，包括：

一個或多個處理器；

存儲單元，用于存儲一個或多個程序，當所述一個或多個程序被所述一個或多個處理器執行時，能使得所述一個或多個處理器實現根據權利要求1至5中任意一項所述的方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，

所述計算機程序被處理器執行時能實現根據權利要求1至5中任意一項所述的方法。