Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 杭州电子科技大学赵稳获国家专利权

杭州电子科技大学赵稳获国家专利权

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!

龙图腾网获悉杭州电子科技大学申请的专利基于改进特征选择和分层模型的物联网异常数据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:CN115879046B

龙图腾网通过国家知识产权局官网在2026-02-06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:202211629425.X,技术领域涉及:G06F18/2415;该发明授权基于改进特征选择和分层模型的物联网异常数据检测方法是由赵稳;邬惠峰设计研发完成,并于2022-12-19向国家知识产权局提交的专利申请。

基于改进特征选择和分层模型的物联网异常数据检测方法在说明书摘要公布了:本发明涉及一种基于改进特征选择和分层模型的物联网异常数据检测方法,主要包括以下步骤:采集物联网数据,进行数据缺失值、异常值和Z‑score标准化数据预处理;将预处理后的数据,用基于改进的相关性特征选择算法剔除冗余特征,筛选出重要特征,进行数据的降维;将特征选择后的数据分为训练集和测试集;训练集进一步划分为一个子训练集和两个验证集;将子训练集输入多层分层模型中的进行训练,保存训练好的模型;得到最终的训练模型。最后,将测试集用于测试整体模型的效果,得到检测的结果。本发明将物联网数据进行有效特征选择、合理数据划分和分层模型融合,针对物联网异常数据的检测效果有了明显的提升。

本发明授权基于改进特征选择和分层模型的物联网异常数据检测方法在权利要求书中公布了:1.基于改进特征选择和分层模型的物联网异常数据检测方法,其特征在于,包括如下步骤: 步骤A.获取物联网设备产生的数据,标记数据为集合S=[s1,s2,s3,…,sn]T,S∈Rn×m;其中n表示数据集S有n个样本,对于每个样本si=[xi1,xi2,xi3,…,xim,yi],i=1,2,3…m,表示si含有n维特征集合x=[xi1,xi2,xi3,…,xim]和一个标签类别yi;对数据集S进行缺失值、异常值和标准化数据预处理,得到处理后的数据集Snew,然后进入步骤B; 步骤B.将由步骤A得到的数据集的特征集合和标签类别进行划分,得到总的特征集合和标签类别集合Y=[y1,y2,y3,…,yn]T;使用基于改进的相关性特征选择算法进行特征集合X的特征选择,剔除冗余特征,实现特征降维,得到最优特征子集其中c≤m,c表示筛选后每个样本的最优特征个数,然后进入步骤C; 步骤C.将步骤B得到的最优特征子集Z和对应的标签类别集合Y,进行数据划分; 划分结果为:Z={Ztrain,Ztest},Y={Ytrain,Ytest};其中训练集Ztrain对应标签Ytrain,测试集Ztest对应标签Ytest; 训练集Ztrain和对应标签Ytrain被划分为三部分,表示为Ztrain={Ztrain1,Zval2,Zval3}和Ytrain={Ytrain1,Yval2,Yval3},其中Ztrain1为子训练集,对应标签Ytrain1;Zval2和Zval3为子验证集分别对应标签Yval2和Yval3;然后进入步骤D; 步骤D.将步骤C中得到的Ztrain1和Ytrain1输入分层模型的第一层学习器T1={T1_M1,T1_M2,T1_M3,T1_M4,T1_M5}中进行训练,其中T1_M1为决策树,T1_M2为随机森林,T1_M3为梯度提升树,T1_M4为XGBoost,T1_M5为KNN,保存为训练模型T1_train,然后进入步骤E; 步骤E.将步骤C中得到的子验证集Zval2输入步骤D中训练好的模型T1_train中进行验证,由于有5组学习器,故会得到5组预测结果,将5组预测结果合并为新样本数据Zpro2,然后进入步骤F; 步骤F.将步骤C和E中得到的Yval2和Zpro2输入分层模型的第二层学习器T2={T2_M1,T2_M2}中进行训练,保存训练模型T2_train,然后进入步骤G; 步骤G.将步骤C中得到的子验证集Zval3输入步骤F中训练好的模型T2_train中进行验证,由于有2组学习器,故会得到2组预测结果,将2组预测结果合并为新样本数据Zpro3,然后进入步骤H中; 步骤H.将步骤C和G中得到Yval3和Zpro3输入分层模型的第三层模型中进行训练,第3层采用算法CatBoost进行训练,保存整个训练模型,然后进入步骤I; 步骤I.将步骤C中得到的测试集Ztest和对应标签Ytest输入整体分层模型进行测试,设置最终测试准确率=T%;如果不满足要求,则返回步骤D,将每层模型进行重新参数调优,直至最终测试结果满足要求,然后进入步骤J; 步骤J.将步骤I中训练好的分层模型用于物联网异常数据检测,模型部署于本地物联网设备检测端或云平台,将物联网设备采集的数据输入训练好的模型进行实时数据异常检测,得到最终检测结果。

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杭州电子科技大学,其通讯地址为:310018 浙江省杭州市钱塘新区白杨街道2号大街1158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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。