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！

龙图腾网获悉电子科技大学申请的专利一种面向智能电网的在线增量式的高影响力样本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：CN117194973B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202310994414.X，技术领域涉及：G06F18/214；该发明授权一种面向智能电网的在线增量式的高影响力样本检测方法是由朱沿旭;文红;赵润辉;侯文静;张鹏设计研发完成，并于2023-08-08向国家知识产权局提交的专利申请。

本一种面向智能电网的在线增量式的高影响力样本检测方法在说明书摘要公布了：本发明提出了一种面向智能电网的在线增量式的高影响力样本检测方法，涉及机器学习中在线增量学习技术领域。该方法对当前到达边缘计算设备缓冲的样本构建局部帽子矩阵，然后据此计算当前缓冲中样本的影响力并按照大小排序，选择排序靠前的部分样本存储于固定大小的缓冲中，当新样本到达设备后，将新到样本和上一次选择的高影响力样本合并后再重新检测高影响力样本并更新重排缓冲，以此循环往复直到在线学习结束，此时重排缓冲中记录的高影响力样本就是截止到当前所有训练样本中影响力最高的样本子集。本发明解决了存储空间受限的边缘计算环境中难以构造基于全体样本的帽子矩阵的问题，减少了检测算法的时空开销。

本发明授权一种面向智能电网的在线增量式的高影响力样本检测方法在权利要求书中公布了：1.一种面向智能电网的在线增量式的高影响力样本检测方法，包括步骤： 1初始化重排缓冲RB； 2对当前到达边缘设备的样本集构建帽子矩阵 其中，表示时间片t中包含影响智能电网电能预测的样本对应的特征矩阵，表示时间片t中包含样本对应的标签向量； 3对当前样本集中的每一个样本xi,yi进行留一评估leave-one-out，并计算每个样本导致的模型预测差异： 其中，为使用包含样本点xi,yi的样本集训练后的模型对xi的预测值，为使用不包含样本点xi,yi的样本集训练后的模型对xi的预测值，xi、yi表示中的第i个样本点对应的特征向量和标签值； 4计算当前样本集中的每一个样本xi,yi的距离Ci： 其中，hii表示矩阵中对应xi的对角元素，d为样本特征维度，MSE为模型在当前本集的均方误差； 5将样本集中的每一个样本点按照距离Ci排序，选择排序靠前的r个样本存入重排缓冲RB中； 6当新样本达到边缘计算设备时，将和RB中的样本合并为并按照步骤2到步骤5对样本集重新检测高影响力样本，将新检测出的高影响力样本覆盖RB； 7持续步骤6直到样本数据流传输停止或者检测算法结束。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。