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！

龙图腾网获悉山西大学申请的专利一种基于标准基尼指数构图的多维时序异常检测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：CN118171216B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202410368135.7，技术领域涉及：G06F18/2433；该发明授权一种基于标准基尼指数构图的多维时序异常检测方法是由王婕婷;张泽珑;李飞江;钱宇华设计研发完成，并于2024-03-28向国家知识产权局提交的专利申请。

本一种基于标准基尼指数构图的多维时序异常检测方法在说明书摘要公布了：本发明公开了一种基于标准基尼指数构图的多维时序异常检测方法，属于时序异常检测技术领域。针对现有时序异常检测方法无法对离散值和连续值之间的关系进行学习的问题，通过在衡量传感器的相似度时，对连续型变量进行离散化处理，并通过计算两个传感器之间的标准基尼指数得到传感器之间的相似度值。传统的基尼指数存在多值偏向问题，即偏向于赋予取值较多、属性较高的分数，标准基尼指数能有效地缓解这一问题。标准基尼指数能有效地刻画取值种类不同的传感器之间的相似程度；且本发明给每个传感器一个嵌入向量，这个向量可以表示每个传感器的独特特征，在对数据进行重构时，将嵌入向量和相应的变换特征连接起来，能够更好的对原始数据进行重构。

本发明授权一种基于标准基尼指数构图的多维时序异常检测方法在权利要求书中公布了：1.一种基于标准基尼指数构图的多维时序异常检测方法，其特征在于：包括以下步骤： 步骤1：判断传感器数据x的取值个数是否大于某个固定值，决定是否利用离散化模块对传感器数据进行离散化； 步骤2：分别计算两个传感器之间的标准基尼指数得到传感器之间的相似度值，并将所有传感器两两之间计算得到的相似度值合并为传感器的关系矩阵S； 步骤3：利用嵌入向量灵活捕捉每个传感器的独特特征； 步骤4：根据重构误差最小化并基于图注意力的特征提取器输出原始变量的重构结果； 步骤5：将验证集中重构结果和原始结果的误差最大值作为固定阈值； 步骤6：通过判断误差是否大于固定阈值去获得异常检测的结果； 所述步骤4的具体操作为：首先根据式3利用基于图注意力的特征提取器和步骤2中学习得到的传感器关系矩阵S融合节点信息和邻居，然后根据式5重构误差最小化输出模型预测数据式4， 其中表示第i个节点在t时间点消息聚合后的特征向量，是传感器i的输入特征；Zi＝{j|Sji＞0}是关系矩阵S得到的传感器i的邻居集合；其中将传感器i的嵌入向量vi和相应的变换特征连接起来，a是注意力机制的学习稀疏向量，aT表示a的转置，表示串联，LeakyReLU是非线性激活函数，用以计算注意稀疏，使用softmax函数对注意函数进行归一化；W是一个可训练权矩阵； 得到N个节点的表示后，将其与嵌入向量点乘，并跨所有节点的结果输出维度为N的堆叠全连接层的输入，预测时间t的传感器值，如式4： 其中，fθ表示堆叠全连接层函数，表示在t时间点的预测数据，表示点乘，使用预测数据和观测数据的均方误差作为损失函数LMSE，如式5： 其中w是窗口大小，Ttrain是数据集中训练集的时间大小，St表示t时间点的观测数据；所述数据集为MSL数据集，数据集分为训练集和测试集，其中训练集仅有正常数据，对训练集数据按6：4划分，分为训练集和验证集，并在测试集上进行测试。

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山西大学，其通讯地址为：030006 山西省太原市坞城路92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”。

以上内容由龙图腾AI智能生成。