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！

龙图腾网获悉河海大学申请的专利云端多模态一致性约束的关键异常事件识别方法及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：CN121502615B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202610024415.5，技术领域涉及：G06F18/2433；该发明授权云端多模态一致性约束的关键异常事件识别方法及系统是由陈哲;王慧斌;王鑫;张丽丽设计研发完成，并于2026-01-09向国家知识产权局提交的专利申请。

本云端多模态一致性约束的关键异常事件识别方法及系统在说明书摘要公布了：本发明公开一种云端多模态一致性约束的关键异常事件识别方法及系统。针对智慧城市、工业物联网等场景中摄像头、环境传感器等设备产生的多模态时序数据，提出一种完全无监督的事件级异常理解框架：通过多模态一致性约束机制精准定位协同异常时段；对异常时段进行在线聚类形成事件簇；基于Z‑score显著性分析提取各簇中最异常特征维度，并映射为人类可读语义描述；结合影响设备数、持续时间与状态偏离度三重指标量化事件关键性，输出排序列表。本发明无需预定义事件类型或标注数据，可同时发现、命名并排序已知与未知异常事件，显著提升对关键异常事件的发现与响应效率，适用于大规模感知网络的轻量云端部署。

本发明授权云端多模态一致性约束的关键异常事件识别方法及系统在权利要求书中公布了：1.一种云端多模态一致性约束的关键异常事件识别方法，其特征在于，包括如下步骤： 步骤1，接收来自多个异构感知设备的多模态时序数据流，所述数据流包括视频元数据、环境传感器数据和设备状态码； 步骤2，针对多模态时序数据流，通过融合自编码器重建误差与跨模态预测残差的多模态一致性约束机制定位协同异常时段； 步骤3，对所述协同异常时段的多模态特征向量进行无监督聚类，形成多个异常事件簇； 步骤4，针对每个异常事件簇，计算其在各特征维度上相对于正常状态的标准化偏移量，并选取偏移量最大的前K个维度的特征； 步骤5，将所述前K个维度的特征通过预设的特征标识-语义短语映射表转换为自然语言描述，作为异常事件的语义标签； 步骤6，基于事件影响设备数量、持续时间和状态偏离度计算关键性得分； 步骤7，按关键性得分降序输出关键异常事件列表； 所述步骤2中，对于模态，所述自编码器重建误差为： 其中，为t时刻模态的数据流，为t时刻模态的数据流的重建结果； 所述跨模态预测残差通过以下方式计算： 通过自编码器对多模态时序数据流进行处理得到多模态特征向量，对于任意两个不同模态k和j，训练预测器将模态k映射至模态j的特征空间；计算预测值与真实值之间的L2范数距离作为残差项； 将融合自编码器重建误差和跨模态预测残差的综合异常得分作为融合自编码器重建误差与跨模态预测残差的多模态一致性约束机制；综合异常得分的计算公式为： 其中为模态数量；为预测器，具体为一个包含输入层、单个隐藏层和输出层的全连接神经网络，用于从模态的特征空间映射至模态的特征空间；α、β为权重，为自编码器重建误差。

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河海大学，其通讯地址为：211100 江苏省南京市江宁区佛城西路8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。