摘要
本发明涉及数据管理的技术领域,尤其涉及一种基于人工智能的数据自动分级管理方法,包括:通过多源数据采集通道采集待分级数据,并对所述待分级数据进行数据预处理,生成训练数据集;基于改进的Transformer架构构建特征提取网络,结合跨模态机制提取所述训练数据集中的数据特征,生成动态特征映射矩阵;利用所述动态特征映射矩阵构建基于图神经网络的时空域融合模型,计算数据敏感度指数,并进行自适应分级。本发明能够处理复杂的跨模态数据,融合时空域特征,并通过改进的深度学习模型实现高效的分级管理,从而有效解决了现有数据分级方法在数据多样性、实时性和精准性上的问题。
技术关键词
分级管理方法
数据采集通道
生成训练数据
特征提取网络
数据分级方法
矩阵
动态
引入注意力机制
指数
数据格式
跨模态
格式化
空域特征
深度学习模型
时效性
模态特征
样本
编码器
系统为您推荐了相关专利信息
语音对象识别方法
对象识别模型
多层感知机
计算机可读指令
特征提取网络
敏感性分析方法
深度学习加速
计算机程序指令
拉丁超立方采样
物理
地震勘探方法
地质构造解释
空间金字塔池化
图像
地震勘探系统
特征提取网络
点云
基准特征
图像编码器
图像生成网络
骨架特征
情感特征
输出特征
缩放特征
情绪识别方法