基于自监督的源域和目标域联合训练的覆盖流形估计方法（高校公示15天）（不包年费滞纳金）（需要二变）

本发明公开了一种基于自监督的源域和目标域联合训练的覆盖流形估计方法，包括：对指定地区划分获取每个区域对应的基站位置样本、地形信息样本以及覆盖流形样本；对源域与目标域样本依次进行数据增强处理以及动态掩码处理；构建由特征编码融合模块与覆盖流形生成模块组成的神经网络预测模型框架，用于样本输入后执行渐进式掩码生成策略，直至生成全掩码，最终获取覆盖流形预测结果；基于预测结果，计算其与真实覆盖流形在掩码区域的重构误差，并通过反向传播更新模型网络参数。本发明在训练过程中同时具备对目标域特征的重构能力与基于源域信息的生成能力，最终模型仅需输入源域信息即可生成覆盖流形预测结果。

《基于自监督的源域和目标域联合训练的覆盖流形估计方法（高校公示15天）（不包年费滞纳金）（需要二变）》是一发明专利，专利号为 202610065775X，当前法律状态为已下证，由南京邮电大学提出申请，发明人为胡海峰;何鹏，申请日期为2026-01-19，公开（公告）日期为2026-03-27，国际专利分类号（IPC）为 H04W 24/02 (2009.01)，高新资质：未报高企。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明公开了一种基于自监督的源域和目标域联合训练的覆盖流形估计方法，包括：对指定地区划分获取每个区域对应的基站位置样本、地形信息样本以及覆盖流形样本；对源域与目标域样本依次进行数据增强处理以及动态掩码处理；构建由特征编码融合模块与覆盖流形生成模块组成的神经网络预测模型框架，用于样本输入后执行渐进式掩码生成策略，直至生成全掩码，最终获取覆盖流形预测结果；基于预测结果，计算其与真实覆盖流形在掩码区域的重构误差，并通过反向传播更新模型网络参数。本发明在训练过程中同时具备对目标域特征的重构能力与基于源域信息的生成能力，最终模型仅需输入源域信息即可生成覆盖流形预测结果。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！