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！

龙图腾网获悉中国科学院计算机网络信息中心申请的专利一种基于函数逼近网络的时间序列异常检测方法及装置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：CN119271486B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202411277633.7，技术领域涉及：G06F11/30；该发明授权一种基于函数逼近网络的时间序列异常检测方法及装置是由黎建辉;周全;裴昶华;张海明设计研发完成，并于2024-09-12向国家知识产权局提交的专利申请。

本一种基于函数逼近网络的时间序列异常检测方法及装置在说明书摘要公布了：一种基于函数逼近网络的时间序列异常检测方法，应用于计算设备，计算设备部署有监控系统，监控系统用于监控计算设备中多个关键性能指标KPI，方法包括：获取当前时刻t时，多个关键性能指标KPI中的任意一种KPI数据的历史特征向量；基于不同时刻的多个历史特征向量，训练预测模型；预测模型为函数逼近网络模型；通过训练完成的预测模型，对时刻t的特征向量进行预测，确定预测特征向量；基于预测特征向量，与t时刻的任意一个KPI数据的真实值的向量，确定任意一个KPI数据是否出现异常。本方法能够对指标间的依赖关系进行细粒度的建模，提升异常检测的准确率。

本发明授权一种基于函数逼近网络的时间序列异常检测方法及装置在权利要求书中公布了：1.一种基于函数逼近网络的时间序列异常检测方法，其特征在于，应用于计算设备，所述计算设备部署有监控系统，所述监控系统用于监控所述计算设备中多个关键性能指标KPI，所述方法包括： 获取当前时刻t时，所述多个关键性能指标KPI中的任意一种KPI数据的历史特征向量； 基于不同时刻的多个历史特征向量，训练预测模型；所述预测模型为函数逼近网络模型；其中，所述函数逼近网络包括卷积神经网络，以及前馈神经网络，所述训练预测模型，包括：使用多个预定义的基函数对所述历史特征向量进行变换后组合，确定基函数特征矩阵，所述基函数特征矩阵用于降低参数量；将所述基函数特征矩阵作为所述卷积神经网络的输入，所述卷积神经网络的参数中包含有所述基函数的权重；将卷积神经网络的输出结果输入所述前馈神经网络，确定预测模型；所述基函数为三角函数、指数函数中的任意一种，或多个三角函数和或指数函数的组合； 通过训练完成的所述预测模型，对时刻t的特征向量进行预测，确定预测特征向量，包括：将所述任意一种KPI数据在t时刻的历史特征向量输入所述卷积神经网络，确定所述任意一种KPI数据的特质化特征向量；通过所述前馈神经网络对所述特质化特征向量进行处理，确定所述任意一种KPI数据在t时刻的预测特征向量； 基于所述预测特征向量，与t时刻的所述任意一个KPI数据的真实值的向量，确定所述任意一个KPI数据是否出现异常。

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中国科学院计算机网络信息中心，其通讯地址为：100190 北京市海淀区中关村南四街4号院内2号楼；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。