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！

龙图腾网获悉上海交通大学申请的专利缺失分布偏移下基于非完整数据的预测方法和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：CN115713100B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202211421790.1，技术领域涉及：G06N3/048；该发明授权缺失分布偏移下基于非完整数据的预测方法和系统是由朱一晨;江波;金海明;王新兵设计研发完成，并于2022-11-14向国家知识产权局提交的专利申请。

本缺失分布偏移下基于非完整数据的预测方法和系统在说明书摘要公布了：本发明提供了一种缺失分布偏移下基于非完整数据的预测方法和系统，包括：以非完整特征作为输入，构建基于多层感知机的预测函数网络，对完整标签进行预测；构建基于多层感知机的预测函数参数网络，学习预测函数参数与缺失情况之间的关联性；利用随机傅里叶特征，度量非完整特征和缺失情况之间的关联性；根据随机傅里叶特征，对数据集中的非完整样本重新分配权重；通过最小化预测重构误差，联合训练预测函数参数网络和预测函数网络，将两个网络结合后整体的预测性进行最优化。本发明采用基于去关联性的预测框架，能够有效地学习到完整标签与非完整特征之间的底层关联性，从而在缺失分布发生偏移时，达到较好的泛化性能。

本发明授权缺失分布偏移下基于非完整数据的预测方法和系统在权利要求书中公布了：1.一种缺失分布偏移下基于非完整数据的预测方法，其特征在于，包括： 步骤A：构建基于多层感知机的预测函数网络，以传感器感知范围的非完整特征作为输入，学习完整标签与非完整特征之间的关联性，对完整标签进行预测； 步骤B：构建基于多层感知机的预测函数参数网络，学习预测函数参数与缺失情况之间的关联性；所述步骤B包括： 步骤B1：将缺失情况作为预测函数参数网络的输入； 步骤B3：将预测函数参数网络的输出，作为预测函数的参数，作用于输入的非完整特征，最终得到预测的完整标签； 步骤C：利用随机傅里叶特征，度量非完整特征和缺失情况之间的关联性； 步骤D：根据随机傅里叶特征，通过最小化非完整特征和缺失情况之间的关联性，对数据集中的非完整样本重新分配权重； 步骤E：根据重新分配的权重，通过最小化预测重构误差，联合训练预测函数参数网络和预测函数网络，将两个网络结合后整体的预测性进行最优化； 步骤F：基于非完整特征和缺失情况对完整标签进行预测； 以传感器感知范围的非完整特征作为输入，其中，传感器感知范围的非完整特征是由于传感器故障、感知范围不完全造成的。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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。