买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东南大学申请的专利一种基于人工智能的危险品瞒报监测系统和方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115345231B 。

龙图腾网通过国家知识产权局官网在2025-09-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210967122.2，技术领域涉及：G06F18/214；该发明授权一种基于人工智能的危险品瞒报监测系统和方法是由陈景旭;李若汐;马捷;申修宇;于新莲;曹祺儒设计研发完成，并于2022-08-12向国家知识产权局提交的专利申请。

本一种基于人工智能的危险品瞒报监测系统和方法在说明书摘要公布了：本发明公开了一种基于人工智能的危险品瞒报监测系统，包括数据存储端、数据处理端、模型构建端、信息读取端、结果显示端、系统管理端；模型构建端以申报信息数据作为输入数据，瞒报检测结果作为输出数据，利用训练集建立基于代价敏感的自适应增强算法，在测试集上测试模型性能；信息读取端读取本批次所有集装箱订舱的申报信息数据；结果显示端显示利用模型构建端算法获取本批次所有集装箱订舱的危险品瞒报预测结果。本发明的方法，通过利用基于代价敏感的自适应增强算法挖掘危险品瞒报和订舱申报信息关键属性之间的关联，实现高风险订舱的快速且高准确度识别，提高了运输监管部门对危险品瞒报的抽检效率。

本发明授权一种基于人工智能的危险品瞒报监测系统和方法在权利要求书中公布了：1.一种基于人工智能的危险品瞒报监测方法，其特征在于，包括以下步骤： S1，通过数据存储端采集经历过危险品瞒报监测手续的历史集装箱订舱数据； S2，通过数据处理端将S1中数据存储端采集的数据进行数据预处理，将处理后的数据划分为训练集和测试集； S3，将训练集数据输入模型构建端中基于代价敏感的自适应增强算法，通过基于代价敏感的自适应增强算法来判断集装箱订舱是否为含有危险品瞒报的订舱； 步骤S3中，所述基于代价敏感的自适应增强算法的实现步骤为： 利用训练集进行训练，输入训练样本集Γ，训练样本集Γ含有N个训练样本，第n个训练样本的变量信息为xn,yn，其中yn∈{-1,1}代表样本n的瞒报检测结果，其中，-1表示样本n不含有瞒报危险品，1表示样本n含有瞒报危险品；代表样本n申报信息参数构成的K个特征变量值； 构建M个基分类器，基分类器选用随机森林分类器，基分类器含有3个超参数，分别是最大特征数、最大深度和叶子节点含有的最少样本，通过枚举法获取3个超参数的最优取值；通过枚举法确定代价敏感因子η的最优取值；表示第n个训练样本在第m个基分类器的样本权重；对训练样本集中各个训练样本分配样本权重，第n个训练样本在第1个基分类器的初始化值为计算基分类器m的第n个训练样本权重并计算基分类器m的代价敏感系数αm，具体步骤如下： S31，令m＝1； S32，利用训练样本集Γ和样本权重构建基分类器gm，其损失函数Lm为： 式中gmxn表示基分类器gm在训练样本n的分类结果；αm表示基分类器gm的代价敏感系数； S33，利用gm对训练样本集Γ进行分类，计算训练样本n的分类结果为gmxn，计算基分类器gm的错误率errm为： S34，计算基分类器gm的代价敏感系数αm为： S35，计算第n个训练样本在基分类器gm+1的样本权重为： S36，令m＝m+1；如果m≤M-1，则返回步骤S3；否则执行步骤S37； S37，输出最终分类器表达式 当时，Hxn值为+1；否则，Hxn值为-1。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。