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！

龙图腾网获悉吉林大学申请的专利基于不对称自动编码器的异常子图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：CN120579152B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202511081664.X，技术领域涉及：G06F18/25；该发明授权基于不对称自动编码器的异常子图检测方法是由王波;卞虹月;赵彦平;冯志远;姚宝花;张海蓉;王海艳设计研发完成，并于2025-08-04向国家知识产权局提交的专利申请。

本基于不对称自动编码器的异常子图检测方法在说明书摘要公布了：本发明涉及一种基于不对称自动编码器的异常子图检测方法，涉及异常检测技术与深度学习技术领域，包括以下步骤：构建背景图与异常图数据集；构建异常图检测网络模型；结合阈值判决方法进行异常图检测；性能评价。本发明的基于不对称自动编码器的异常子图检测方法，利用不对称自动编码对背景图邻接矩阵特征的学习能力和重构能力，结合传统异常子图检测中的阈值判决方法，使得该方法既具有阈值判决的灵活性，又具有深度学习方法的高效性，能够提高检测方法的适应性和灵活性；利用不对称自动编码器对背景图邻接矩阵使用轻量级编码器进行数据降维，使用四层解码器进行数据重构，能够提高检测方法的鲁棒性和准确性。

本发明授权基于不对称自动编码器的异常子图检测方法在权利要求书中公布了：1.一种基于不对称自动编码器的异常子图检测方法，其特征在于，包括以下步骤： 步骤1、构建背景图与异常图数据集； 步骤1.1、构建背景图数据集； 步骤1.2、构建异常图数据集； 步骤2、构建异常图检测网络； 步骤2.1、搭建不对称自动编码器网络模型； 步骤2.2、训练不对称自动编码器网络模型； 步骤3、结合阈值判决方法进行异常图检测； 根据不对称自动编码器网络模型训练阶段的最终损失决定判决阈值区间上限和下限，在阈值区间判断为背景图，超过阈值区间则为异常图； 步骤4、性能评价； 使用多个指标进行性能评价； 步骤2.1中，搭建的不对称自动编码器网络模型中： 编码器由两层神经网络构成，解码器由四层神经网络组成；编码器的每层神经网络分别由卷积层、批量归一化层、激活函数层和最大池化层组成；解码器的每层神经网络分别由卷积层、批量归一化层、激活函数层和上采样层组成；其中： 卷积层用来进行数据结构特征学习，同时进行数据降维； 批量归一化层用来对数据进行归一化操作； 激活函数层用来通过引入非线性，增强网络学习能力，防止过拟合； 最大池化层用来在保留主要特征的同时进一步对数据降维提取； 上采样层用来对数据进行插值升维，逐步恢复到输入数据维度大小。

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吉林大学，其通讯地址为：130012 吉林省长春市朝阳区前进大街2699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。