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！

龙图腾网获悉北京英特利为环境科技有限公司申请的专利一种基于全局可达性密度与自适应阈值机制的异常检测方法、系统、设备及介质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：CN120470317B 。

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：202510984705.X，技术领域涉及：G06F18/213；该发明授权一种基于全局可达性密度与自适应阈值机制的异常检测方法、系统、设备及介质是由邹锐;任婷玉;容思亮设计研发完成，并于2025-07-17向国家知识产权局提交的专利申请。

本一种基于全局可达性密度与自适应阈值机制的异常检测方法、系统、设备及介质在说明书摘要公布了：本发明公开了一种基于全局可达性密度与自适应阈值机制的异常检测方法，包括如下步骤：收集目标监测站点的单一指标历史水质监测数据，通过滑动窗口方式提取固定长度的子序列，构建近邻索引结构并提取邻域信息，获取每个数据点的kk近邻集合；分别计算每个数据点在其局部邻域内的局部可达性密度；分别计算每个数据点的全局可达性密度；对样本集中所有数据点的GRDGRD值进行统计汇总，计算其均值和标准差，基于变异系数定义动态调整的距离阈值；进一步构造融合局部与全局密度特征的异常得分函数，依据距离阈值实现异常点判定。本发明适用于复杂时序水质监测数据，可有效提高对微弱异常、局部漂移和极端突变的识别准确率，具有较强的通用性和鲁棒性。

本发明授权一种基于全局可达性密度与自适应阈值机制的异常检测方法、系统、设备及介质在权利要求书中公布了：1.一种基于全局可达性密度与自适应阈值机制的水质监测数据异常检测方法，其特征在于，包括如下步骤： 1收集目标监测站点的单一指标历史水质监测数据，通过滑动窗口法提取固定长度的子序列样本，构成样本集，构建近邻索引结构，并计算每个数据点p的k近邻集合，从而提取邻域信息； 2计算每个数据点p在其局部邻域内的局部可达性密度； 3在样本集范围内，基于k近邻中最远点的可达距离，计算每个数据点p的全局可达性密度；所述步骤3具体包括如下步骤： 对每个归一化后的样本子序列，其全局可达性密度定义为其与除自身外所有其他样本点之间的平均可达距离的倒数，计算公式为： ， 其中n为样本总数量，为除外的其他样本；为点与点之间的可达距离，定义如下： ， 为样本点到其自身第k个近邻的欧氏距离，计算公式为： ， 其中s是最远的近邻样本点； 为样本点与样本点之间的欧氏距离，计算公式为： ， 其中表示样本点的第t个分量，表示样本点的第t个分量，w为滑动窗口长度； 4对样本集中所有数据点的GRD值进行统计汇总，计算其均值和标准差，以标准差与均值的比值定义为变异系数，结合调节系数α确定动态距离阈值； ， 5基于局部可达性密度和全局可达性密度，构造近邻融合型异常得分GRD-LOF，并与动态距离阈值进行比较，以实现对异常点的自动识别与判定；所述步骤5具体包括如下步骤： 5.1计算每个数据点的近邻融合型异常得分GRD-LOF，计算公式为： ， ， 其中，为点的k近邻集合；为邻居点的全局可达性密度；为点的局部可达性密度； 5.2当GRD-LOF得分呈非正态分布，采用分位数法，将所有点的GRD-LOF得分按升序排序，设定某一高分位值作为异常得分阈值，若某数据点的GRD-LOF得分超过该分位值，即判定为异常点； 当GRD-LOF得分呈“集中分布、波动小但存在极端高值”时，采用标准差判别法，统计所有点的GRD-LOF得分的均值μ和标准差σ，设置判别阈值，若某数据点的GRD-LOF超过判别阈值，即判定为异常点，判别阈值计算公式如下： ， 其中β为动态调整系数； 当GRD-LOF得分不满足上述两类情况，采用经验倍率法，若某数据点的GRD-LOF得分超过λ倍的距离阈值，则判定为异常点，其中，λ为经验倍率； 6引入增量更新机制，在每一轮新数据点到达后，仅对新增点及其关联信息进行局部更新。

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北京英特利为环境科技有限公司，其通讯地址为：100083 北京市海淀区花园东路30号花园饭店5号楼3层5310室；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。