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！

龙图腾网获悉成都越动无限信息科技有限公司申请的专利一种基于安防运维平台的绩效考核方法及系统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：CN119941046B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202510107231.0，技术领域涉及：G06Q10/0639；该发明授权一种基于安防运维平台的绩效考核方法及系统是由廖杨;向燕楠设计研发完成，并于2025-01-23向国家知识产权局提交的专利申请。

本一种基于安防运维平台的绩效考核方法及系统在说明书摘要公布了：本发明公开了一种基于安防运维平台的绩效考核方法及系统，涉及绩效考核技术领域，包括以下步骤：S1、确定关联样本数据、S2、筛选待检样本、S3、记录指标数据、S4、分析第一权重值、S5、计算实际权重值和S6、输出绩效考核总分值。本发明通过对实时数据的类型以及状态进行监测，按照处理警告数据以及异常数据所需的响应时间确定运维人员的警告次数指标数据和类型异常指标数据，这种方式能够极大程度上反映每位运维人员实际处理问题的能力，与其他指标相结合丰富了绩效考核的内容，增加考核的合理性，同时为每个指标设置对应的权重，使得绩效考核的总分值能够更加准确的体现运维人员各方面能力。

本发明授权一种基于安防运维平台的绩效考核方法及系统在权利要求书中公布了：1.一种基于安防运维平台的绩效考核方法，其特征在于，所述方法包括以下步骤： S1、确定关联样本数据：获取不同类型的样本数据后，按照样本数目将不同类型的样本传输至低量样本集、等量样本集和高量样本集中，以六个为一组将低量样本集中所有同类型的样本进行划分，在每组中筛选出三个目标样本，根据同组内目标样本数据计算出该组中心点的数据，利用样本融合算法根据中心点数据分析出每个目标样本对应的关联样本数据，将关联样本数据存储至低量样本集中； S2、筛选待检样本：在高量样本集中选取样本作为待检样本后，统计待检样本的所有邻近样本，确定与待检样本监测方式不同的邻近样本数和邻近样本总数之间的比值，若比值大于阈值，则删除该待检样本数据，重复操作直至高量样本集中所有类型的样本数目均等于预设值，提取高量样本集和低量样本集中的样本数据传输至等量样本集中，确定决策树数目后，对等量样本集中的数据进行随机抽取，从而构建出训练集和测试集，利用训练集中的数据完成决策树训练，将测试集中的数据输入至所有决策树中，利用平均法分析出当前样本数据的类型以及状态，根据样本实际结果和预测结果之间的偏差值调整决策树的参数； S3、记录指标数据：获取实时数据以及对应的记录时间后，将其传输至每个决策树模型中进行分析，利用平均法根据所有决策树模型的预测结果得到每种类型数据对应的状态，确定结果输出时间后，将记录时间、结果输出时间、每种类型对应的数据和状态传输至数据库中进行存储，实时数据包括视频监测数据、环境监测数据、红外监测数据、通信监测数据和人员信息监测数据，若存在数据类型的状态为警告时，将记录时间、结果输出时间、该类型对应的数据和状态通过可视化界面进行输出，并设置时间间隔，若在该时间间隔内未返回确认信息，则根据结果输出时间在数据库中查询出对应运维人员的指标数据，将原先的警告次数指标数据加一后，得到新的警告次数指标数据，将其传输至数据库中，若存在数据类型的状态为异常时，将记录时间、结果输出时间、该类型对应的数据和状态通过可视化界面进行输出，并按照异常的数据类型设置对应的时间间隔，若在该时间间隔内异常状态未转换为正常状态，则为当前异常数据设置对应的计时器，直至异常状态转换为正常状态结束计时，从而得到该类型的异常处理时长，根据结果输出时间在数据库中查询出对应运维人员的指标数据，将原先对应的类型异常指标数据与本次异常处理时长相加后，得到新的类型异常指标数据，将其传输至数据库中； S4、分析第一权重值：确定运维人员的所有绩效考核指标，利用专家小组对每个指标与其他指标之间的关联程度进行评级，确定专家对指标和指标所设定的关联等级后，将转换成三角模糊数，其中，为三角模糊数的参数值，对其进行分析，得到三个标准系数，其中，绩效考核指标包括警告次数指标、视频类型异常指标、环境类型异常指标、红外类型异常指标、通信类型异常指标和人员类型异常指标、任务完成率指标、正常运行指标、客户满意度指标、合作次数指标、沟通能力指标、知识得分指标和技能操作指标，确定所有指标对应的标准系数后，利用影响系数生成算法对各个指标的标准系数进行分析，确定每个指标与其他指标之间的平均影响系数，根据平均影响系数构建出综合影响矩阵，将综合影响系数矩阵中同一行的所有数据进行累加，得到每行对应的影响总和后，再将综合影响系数矩阵中同一列的所有数据进行累加，得到每列对应的影响总和，利用每行和每列的影响总和计算出每个指标对应的度值，按照每个指标的度值确定对应的第一权重值，影响系数生成算法具体为： ； ； 其中，表示专家产生指标和指标之间对应的影响系数，表示专家产生指标和指标之间对应的第一标准系数，表示专家产生指标和指标之间对应的第二标准系数，表示专家产生指标和指标之间对应的第三标准系数，表示专家产生指标和指标之间对应的影响系数，表示专家产生指标和指标之间对应的影响系数，表示指标和指标之间的平均影响系数，表示参数； S5、计算实际权重值：确定所有绩效考核指标对应的初始数据，利用初始数据构建出标准数值矩阵，按照标准数值矩阵中的各个数值计算出不同指标之间的相关系数，利用相关系数分析出每个指标对应的价值参数，通过价值参数确定指标的第二权重值，利用权重分析算法对每个指标的第一权重值和第二权重值进行融合，得到各个指标的实际权重值； S6、输出绩效考核总分值：利用深度学习技术将每个运维人员的指标数据转换为对应的分值，根据指标分值和实际权重值计算出每个运维人员的绩效考核总分值，将其通过可视化界面进行输出。

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成都越动无限信息科技有限公司，其通讯地址为：610000 四川省成都市新都区普河路789号(工业东区)；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”。