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一种基于双重重建的多元时间序列异常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：CN119739971B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202411853427.6，技术领域涉及：G06F18/10；该发明授权一种基于双重重建的多元时间序列异常检测方法是由杨海龙;樊谨;黄良康;王佳琪;孙丹枫设计研发完成，并于2024-12-16向国家知识产权局提交的专利申请。

本一种基于双重重建的多元时间序列异常检测方法在说明书摘要公布了：本发明公开了一种基于双重重建的多元时间序列异常检测方法，涉及数据处理与分析技术领域；S1、对输入的时间序列数据样本进行预处理；S2、将S1中预处理后的时间序列数据转换为滑动窗口序列样本；S3、将S2的滑动窗口序列样本通过GAN模型与S1中时间序列数据样本进行判别操作；S4、在S3的GAN模型框架基础上应用EM距离最小化生成器和最大化判别器的损失函数；S5、构建判别网络的损失函数；S6、计算误差并结合S4和S5得到GAN模型的损失函数L1；S7、进行二次重建得到损失函数L2；S8、通过S6和S7的损失函数计算异常分数阈值；S9、根据S8的结果对异常分数区分标记；本发明采用上述基于双重重建的多元时间序列异常检测方法，可以提高异常检测的性能和可靠性。

本发明授权一种基于双重重建的多元时间序列异常检测方法在权利要求书中公布了：1.一种基于双重重建的多元时间序列异常检测方法，其特征在于： S1、对输入的时间序列数据样本X进行预处理； S2、应用滑动窗口技术将S1中预处理后的时间序列数据转换为滑动窗口序列样本； S3、将S2的滑动窗口序列样本输入至GAN模型得到生成器生成的样本传递给判别器与S1中时间序列数据样本进行判别操作； S4、在S3的GAN模型框架基础上应用EM距离最小化生成器和最大化判别器的损失函数； 其中生成器和判别器的损失函数计算公式如下： 其中PrW是真实样本分布，Pgz是生成器生成的样本分布，V是整个GAN模型的价值函数,D是判别器，G是生成器，表示要最小化生成器的损失函数，表示要最大化判别器的损失函数，是从真实数据分布中采样得到的真实数据，是从生成器的数据分布中采样得到的数据，Dw是判别器对真实数据的判别结果，DGz是判别器对生成数据的判别结果； S5、移除判别器最后一层的sigmoid函数转化为回归任务，引入Lipschitz连续性约束，构建判别网络的损失函数； 其中基于判别器构建判别网络的损失函数Pro计算公式如下： 其中fωw是判别器的输出； S6、寻找与滑动窗口序列样本最相似的生成器样本，计算误差并结合S4和S5的内容得到GAN模型的损失函数L1； 计算误差Res公式如下： Res＝|Wt-GZ|；5 其中Wt是模型的初始输入数据，GZ是模型生成的输出数据； GAN模型的损失函数L1计算公式如下： L1＝Res+Pro；6； S7、应用VAE编码器对GAN模型生成器生成的样本进行二次重建得到的损失函数L2； 在VAE编码器中应用证据下界ELBO训练神经网络来计算损失函数L2，计算公式如下： 其中Ti是编码器的输入样本，i为1,2，...n；，σi是第i个样本的标准差，μi是第i个样本的均值，ei是采样得到的潜在变量，μ'i是解码器输出第i个样本的重构数据的均值； S8、通过S6和S7中的损失函数计算异常分数阈值； S9、根据S8所得的异常分数阈值区分并标记。

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 浙江省杭州市钱塘区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。