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！

龙图腾网获悉哈尔滨理工大学申请的专利时序数据无监督异常检测模型训练方法及装置、时序数据无监督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：CN116244632B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202310222088.0，技术领域涉及：G06F18/24；该发明授权时序数据无监督异常检测模型训练方法及装置、时序数据无监督异常检测方法及装置是由张凤斌;盛朝阳;何东设计研发完成，并于2023-03-09向国家知识产权局提交的专利申请。

本时序数据无监督异常检测模型训练方法及装置、时序数据无监督异常检测方法及装置在说明书摘要公布了：时间序列数据异常检测模型训练方法及装置、时间序列数据异常检测方法及装置，涉及时间序列技术领域。为解决现有技术中存在的，无监督时间序列在异常检测方面数据集存在污染的问题，本发明提供的技术方案为：时间序列数据异常检测模型训练方法，方法包括：步骤1：采集时间序列数据集合作为原始数据，并对原始数据进行预处理，生成扰动数据；步骤2：根据扰动数据与原始数据，训练检测模型。进一步，步骤1中，预处理包括：对时序数据进行数据划分和随机扰动的操作。进一步，步骤2中，训练检测模型的方法具体为：将扰动数据和原始数据进行特征提取，根据得到的数据对预设模型进行训练。适合应用于无监督时间序列异常检测的工作中。

本发明授权时序数据无监督异常检测模型训练方法及装置、时序数据无监督异常检测方法及装置在权利要求书中公布了：1.时序数据无监督异常检测模型训练方法，其特征在于，所述方法包括： 步骤1：采集单变量时间序列的时序数据集合，并对所述时序数据进行预处理，生成初始时域数据和频域数据； 步骤2：根据所述频域数据与所述初始时域数据，训练检测模型； 具体的， 时间序列数据由时域和频域构成，然后随机进行扰动方式，进行点异常，上下文异常和全部异常，对原始数据进行扰动，将扰动后的数据集和原始数据集放在特征提取网络TCN中进行特征提取； 数据输入阶段，给定一个时间序列输入，该序列由时域特征和频域特征组成，按照一定比例将数据特征进行扰动，产生模型所认为的负样本数据，然后将原始数据和扰动数据同时输入到TCN特征提取网络中进行特征提取然后将数据输入到上下两部分的模型中进行训练； 模型训练阶段，首先上半部分模型将扰动后的时序数据和原始数据提取特征后的数据输入到对比学习的模块中，在对比学习的模块中约定了一个余弦距离函数，将这个距离函数运用到模块当中，以这样的形式来进行异常检测； 下半部分模型将扰动后数据和原始数据同时输入模型计算BinaryCrossEntropyLossBCELoss即：二值交叉熵损失；其计算公式如下： ； 其中是模型输出，是真实标签。

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哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52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。