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！

龙图腾网获悉广东电力交易中心有限责任公司申请的专利一种基于机器学习的电力交易系统终端特征识别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：CN120147746B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202510308174.2，技术领域涉及：G06V10/764；该发明授权一种基于机器学习的电力交易系统终端特征识别方法是由黄康乾;林细君;刘嘉俊;郑颖楷;李小勇;李英波;高雅丽;袁开国;韩东岐设计研发完成，并于2025-03-17向国家知识产权局提交的专利申请。

本一种基于机器学习的电力交易系统终端特征识别方法在说明书摘要公布了：本发明提供一种基于基于机器学习的电力交易系统终端特征识别方法，所述方法包括：数据采集：使用网络流量采集工具捕获网络接口上传输的数据包，并保存为pcap文件；数据处理：解析所采集的数据，去除噪声数据，并按照会话进行数据分割；stacking集成学习：分别使用随机森林和XFGBoost分类器对数据进行基分类，再使用SVM进行元分类，产生候选类别集合；CBAM分类：针对上一阶段输出的候选类别集合，本发明利用CBAM模型对采集到的原始流量数据生成的图像进行深度特征提取和精确分类，并输出分类结果。本发明的上述方案提高了电力终端设备识别的准确性和精确率。

本发明授权一种基于机器学习的电力交易系统终端特征识别方法在权利要求书中公布了：1.一种基于机器学习的电力交易系统终端特征识别方法，其特征在于，包括以下实现步骤： 步骤S1：数据采集：利用网络流量采集工具捕获和发现网络接口上传输的数据包，并保存为pcap格式文件； 步骤S2：数据处理：采集到的原始网络流量数据是非结构化的，需要进行预处理以提取有用的信息； 步骤S2.1：数据解析与过滤； 步骤S2.2：数据分割； 步骤S3：stacking集成学习： Stacking集成学习通过将多个基学习器的预测结果融合,更加准确地进行分类和预测； 步骤S3.1：特征提取； 步骤S3.2：随机森林和XGBoost基分类； 输入训练数据集和测试数据集，以及两个基分类器：随机森林 RF 和XGBoost，和一个元分类器：支持向量机 SVM；将训练数据集分为训练元数据集和验证数据集，用于基分类器的训练和元特征生成；在基分类器的训练阶段，随机森林和 XGBoost 分别在训练元数据集上进行训练，生成两个基分类器模型； 步骤S3.3：元分类； 在生成元特征的阶段，对验证数据集和测试数据集中的每个样本，使用每个基分类器预测类别概率，并将这些概率值组合为元特征向量；该步骤为后续的元分类器训练和测试提供了输入特征；元分类器的训练阶段中，支持向量机在验证数据的元特征及其对应标签上进行训练，生成最终的元分类器模型；之后，在测试阶段，对测试数据集中的每个样本，通过元分类器预测类别概率，并根据概率值选取前个类别作为候选类别集合；最终，算法返回每个测试样本的候选类别集合，其中包含对应类别及其概率； 步骤S4：CBAM分类：利用CBAM模型对采集到的原始流量数据生成的图像进行深度特征提取和精确分类； S4.1、特征矩阵提取； S4.2、二维图像转化； 在生成特征矩阵后，将其转化为二维图像格式；通过将特征矩阵零填充至固定尺寸，生成统一大小的特征图像，以便输入到 CNN 模型中进行处理；图像中的每个像素点对应于特定数据包的特定特征值，而像素分布模式能够反映设备的通信行为特性；通过这种图像化转换，复杂的时序特征被嵌入到二维空间中，适配了卷积操作对局部模式的敏感性；对于经过S3中出的候选设备类别，其类别标签作为附加输入，与流量图像一起提供给 CBAM模型； S4.3、CBAM分类。

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广东电力交易中心有限责任公司，其通讯地址为：510080 广东省广州市越秀区东风东路761号丽丰中心12楼；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”。