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针对无标签表格数据的深度异常检测方法及电子设备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：CN115688041B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202211396292.6，技术领域涉及：G06F18/2433；该发明授权一种针对无标签表格数据的深度异常检测方法及电子设备是由彭敏;江柳池;刘震设计研发完成，并于2022-11-09向国家知识产权局提交的专利申请。

本一种针对无标签表格数据的深度异常检测方法及电子设备在说明书摘要公布了：本发明公开了一种针对无标签表格数据的深度异常检测方法及电子设备，包括以下步骤：构造表格的异常数据样本，将构造的异常数据样本与表格的正常数据样本合并为训练集；将表格结构数据转化为图结构数据，并获取对应的邻接矩阵；将邻接矩阵作为训练数据对深度图自编码器进行训练，得到训练后的深度图自编码器；采用训练后的深度图自编码器对目标表格的数据样本进行检测，实现无标签表格数据的深度异常检测。本发明对不同数据集具有适用性高、识别精度高、充分利用数据信息的优点。本发明解决了传统异常检测方法对于不同数据集的适应性较差的问题，在实际使用中，减小了由于人为设定阈值等参数带来的人为误差，并且减小了工作量和开销。

本发明授权一种针对无标签表格数据的深度异常检测方法及电子设备在权利要求书中公布了：1.一种针对无标签表格数据的深度异常检测方法，其特征在于，包括以下步骤： S1、构造表格的异常数据样本，将构造的异常数据样本与表格的正常数据样本合并为训练集； S2、通过在特征空间中检索各个训练集中数据样本之间的欧几里得距离，将表格结构数据转化为图结构数据，并获取对应的邻接矩阵； S3、将邻接矩阵作为训练数据对深度图自编码器进行训练，得到训练后的深度图自编码器； S4、采用训练后的深度图自编码器对目标表格的数据样本进行检测，实现无标签表格数据的深度异常检测； 步骤S1中构造表格的异常数据样本的具体方法为： 通过特征子空间施加微小扰动和特征子空间均匀分布构造表格的异常数据样本； 通过特征子空间施加微小扰动的具体方法为： 获取正常数据样本集X，并根据公式： 对正常数据样本集X中的样本x进行归一化，得到归一化后的样本x'及归一化后的样本集X'；其中xmin为正常数据样本集X中的最小值；xmax为正常数据样本集X中的最大值； 根据公式： Xnegative＝X'+M·εZ 对归一化后的样本集X'进行扰动，得到异常数据样本集Xnegative；其中M为一个由0和1组成的d维向量，当M中元素在某维度上取值为0时，表示不施加扰动，取值为1时表示施加扰动；Z为概率密度服从标准正态分布的高斯白噪声；ε为常数。

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。