CNIPA.AI
返回搜索
档案

一种基于混合学习模型的定点形变观测数据异常检测方法

发明专利未知
10权利要求 · 1 独立
§ Ⅰ

卷宗概要

发明人

庞聪; 张燕; 马武刚; 赵莹; 吴凯; 刘斯睿

申请日

Jul 8, 2026

公开日

Oct 27, 2026

IPC 分类

G06F 18/2433 (2023.01)G06F 18/213 (2023.01)G06F 18/241 (2023.01)G06F 18/10 (2023.01)G06N 3/0464 (2023.01)G06N 3/0455 (2023.01)

一种基于混合学习模型的定点形变观测数据异常检测方法,先通过局部卷积模型、自编码器重构误差模型对多维特征向量进行双重评分,加权、综合判断后得到震荡异常段集合,再依据评分、残差包络判断、震荡强度的阈值判断,得到真实异常种子集合,然后进行尖峰突跳识别,得到尖峰异常段集合,再以前述三种集合为核心进行延展得到多个异常段,合并后得到一或多个完整异常段,即完成异常检测;局部卷积模型专注捕捉短脉冲、瞬时尖峰等局部突变的形态特征,自编码器重构误差模型聚焦长周期缓慢渐变的时间序列规律,二者加权融合的评分机制兼顾了局部波形形态特征与长时序规律异常的双重检测能力。因此,本设计短脉冲异常检出率高,且异常检测精度较高。

登录后阅读全文

已显示权利要求 1。免费注册即可阅读全部 10 项权利要求、说明书全文、全部附图、翻译和法律状态。

  • 全部权利要求
  • 技术领域
  • 背景技术
  • 发明内容
  • 附图说明
  • 具体实施方式