摘要
本发明公开了基于时空特征的多模态数据智能聚类方法、系统、设备及介质,属于数据处理与分析技术、人工智能交叉技术领域,本发明要解决的技术问题为如何提高聚类的效率、准确性和适应性,更好地满足多模态数据分析的实际需求,技术方案为:获取多模态事件:获取多模态事件,并根据多模态事件构建文本语义向量、地理编码向量和时间衰减向量;构建多模态数据向量:将多模态数据表示为文本语义向量、地理编码向量和时间衰减向量的组合;改进的Transformer架构处理:基于改进的Transformer架构生成多模态数据表示,对多模态数据向量进行处理,充分融合文本语义、地理和时间的多维度信息;时空约束优化聚类中心;动态密度阈值调整。
技术关键词
编码向量
语义向量
解码器
聚类方法
数据
时间序列特征
文本
注意力机制
融合多模态信息
密度
聚类系统
热点
地理坐标信息
初始聚类中心
动态
编码器结构
系统为您推荐了相关专利信息
动态仿真模型
高斯烟羽模型
仿真系统
可视化模块
数据采集模块
文本编码器
命名实体识别方法
预训练模型
视觉特征
解码矩阵
特征提取网络
态势预测方法
噪声数据
多头注意力机制
融合特征
气象灾害监测
预警方法
大数据
云计算机
遥感设备