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！

龙图腾网获悉浙江浙能电力股份有限公司萧山发电厂;浙江大学申请的专利面向噪声标签场景的步进式鲁棒半监督燃机异常检测方法及系统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：CN116975755B 。

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：202310656040.0，技术领域涉及：G06F18/2431；该发明授权面向噪声标签场景的步进式鲁棒半监督燃机异常检测方法及系统是由叶建君;沈晓兵;车斌;滕昊真;孙健;张铁汉;赵春晖;杨佳阳;陈旭;宋鹏宇设计研发完成，并于2023-06-05向国家知识产权局提交的专利申请。

本面向噪声标签场景的步进式鲁棒半监督燃机异常检测方法及系统在说明书摘要公布了：本发明公开了一种面向噪声标签场景的步进式鲁棒半监督燃机异常检测方法及系统。本发明基于对称损失理论设计了反正切支持向量机模型和平均绝对误差神经网络模型构建互补式鲁棒基分类器，对噪声标签具有较强的鲁棒特性；其次，提出了一种互补式的噪声滤除机制，步进地滤除噪声标签并更新互补式鲁棒基分类器，进一步降低对噪声标签的过拟合风险；此外，本发明还设计了一种自适应数据补充策略，通过利用高置信度伪标签样本实现有标签数据集的扩充，克服燃机数据标签稀少的问题。本发明能够有效地在样本标签稀少且存在标签噪声的情况下完成对燃机运行的异常检测任务，为燃机发电机组的异常检测和安全运维提供了新的方法。

本发明授权面向噪声标签场景的步进式鲁棒半监督燃机异常检测方法及系统在权利要求书中公布了：1.一种面向噪声标签场景的步进式鲁棒半监督燃机异常检测方法，其特征在于，获取燃机运行数据，将燃机运行数据输入至训练好的互补式鲁棒基分类器获得异常检测结果；其中所述互补式鲁棒基分类器通过如下步骤训练获得： 步骤1：基于收集的燃机运行数据构建训练集，所述训练集包括有标签训练集和无标签训练集； 步骤2：构建互补式鲁棒基分类器，所述互补式鲁棒基分类器模型包括并行的反正切支持向量机模型和平均绝对误差神经网络模型；所述反正切支持向量机模型训练时采用的损失函数为： 其中，w1和b1表示反正切支持向量机模型需要优化的参数，ξ表示惩罚系数，|L|表示有标签样本的数量，||·||2表示二范数的平方，为第i个有标签样本的标签，为第i个有标签样本的燃机运行数据；所述平均绝对误差神经网络模型训练时采用的损失函数为平均绝对误差；利用有标签训练集对互补式鲁棒基分类器进行训练，获得第一互补式鲁棒基分类器； 步骤3：利用第一互补式鲁棒基分类器对有标签训练集每一样本进行预测，依据预测结果的风险评价值判断对应样本是否为噪声标签，滤除噪声标签的样本；利用去除噪声后的有标签训练集重新训练互补式鲁棒基分类器获得第二互补式鲁棒基分类器；其中，利用第一互补式鲁棒基分类器对有标签训练集每一样本进行预测，依据预测结果的风险评价值判断对应样本是否为噪声标签，滤除噪声标签的样本，具体为： 利用第一互补式鲁棒基分类器对有标签训练集每一样本进行预测，并计算预测结果的风险评价值；其中基于反正切支持向量机模型计算的预测结果的风险评价值为反正切支持向量机模型对应于每一样本的预测标签与该样本携带的标签乘积的负值；基于平均绝对误差神经网络模型计算的预测结果的风险评价值为平均绝对误差神经网络模型对应于每一样本的预测标签线性变换并映射到[-1,1]区间后与该样本携带的标签差值的绝对值； 根据预测结果的风险评价值，将所有的有标签样本划分成4个类别，包括： 安全样本Lc：基于反正切支持向量机模型计算的预测结果的风险评价值未超过第一阈值μ1，且基于平均绝对误差神经网络模型计算的预测结果的风险评价值未超过第二阈值μ2的样本； 一类风险样本Ld1：基于反正切支持向量机模型计算的预测结果的风险评价值超过第一阈值μ1，而基于平均绝对误差神经网络模型计算的预测结果的风险评价值未超过第二阈值μ2的样本； 二类风险样本Ld2：基于平均绝对误差神经网络模型计算的预测结果的风险评价值超过第二阈值μ2，而基于反正切支持向量机模型计算的预测结果的风险评价值未超过第一阈值μ1的样本； 危险样本Le：基于反正切支持向量机模型计算的预测结果的风险评价值超过第一阈值μ1，且基于平均绝对误差神经网络模型计算的预测结果的风险评价值超过第二阈值μ2的样本； 其中，危险样本判断为含噪声标签的样本，滤除噪声标签的样本； 步骤4：随机选取无标签训练集中的样本构成无标签子集，利用第二互补式鲁棒基分类器对无标签子集每一样本进行预测获得相应的伪标签，依据伪标签的置信度进行排序，选取其中置信度最大的一个或多个样本从无标签训练集中删除并与对应的伪标签构成有标签样本加入至有标签训练集； 按照步骤2-4交替执行互补式噪声标签滤除和自适应数据补充，直至达到设定的轮数T获得最终训练好的互补式鲁棒基分类器。

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浙江浙能电力股份有限公司萧山发电厂;浙江大学，其通讯地址为：311251 浙江省杭州市萧山区临浦镇；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。