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无标签的排污数据异常检测及衡量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：CN115204306B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202210896511.0，技术领域涉及：G06F18/24；该发明授权一种无标签的排污数据异常检测及衡量方法是由温翔超;刘震设计研发完成，并于2022-07-28向国家知识产权局提交的专利申请。

本一种无标签的排污数据异常检测及衡量方法在说明书摘要公布了：本发明涉及信息技术领域，尤其涉及一种无标签的排污数据异常检测及衡量方法；通过特定方法构造10％异常数据假设所拥有的无标签数据大部分属于正常数据；然后构建深度单分类自编码器deepsingleclassificationauto‑encoder，缩写DSCA，将原数据与构造好的异常数据合并之后输入到构建好的模型中检测每条数据的异常程度，将每条数据异常程度进行排序后选取前15％数据作为异常数据与构造的异常数据进行比对，从而衡量无标签数据异常检测的优劣。

本发明授权一种无标签的排污数据异常检测及衡量方法在权利要求书中公布了：1.一种无标签的排污数据异常检测及衡量方法，其特征在于，包括以下步骤： 步骤1：根据已有的原始排污数据集构造异常排污数据，包括构建单点异常数据、集体异常数据以及上下文异常数据； 步骤2：将构造的异常排污数据与原始排污数据合并，得到排污数据样本，将排污数据样本输入构建好的深度单分类自编码器中，得到每条排污数据的异常值； 所述步骤2包括以下步骤： 步骤2.1：将所构建的单点异常数据随机添加到原始排污数据集中，并记录单点异常数据、集体异常数据以及上下文异常数据的索引； 步骤2.2：构建深度单分类自编码器，对自编码器进行定义，构建损失函数； 所述深度单分类自编码器的构建步骤如下所述： 定义输入空间inputspace:； 定义输出空间inputspace:； 定义神经网络模型neuralnetwork:； 神经网络模型权重N为隐藏层层数； 定义训练数据：； 定义超球面球心：； 构建损失函数： ； 对于训练样本点，定义其异常分数为输出空间中样本点到超球面球心的距离： ； 步骤2.3：以损失函数最小为目标，使用随机梯度下降法进行优化； 步骤2.4：定义异常分数，获取每条数据的异常值； 步骤3：基于异常值对每条排污数据进行排序，取异常值排序前y%的数据作为检测异常数据，并与构造的异常排污数据进行比对，衡量检测效果。

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。