買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉中國礦業(yè)大學(xué)申請的專利一種基于增量學(xué)習(xí)的時間序列異常檢測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120449062B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510947450.X，技術(shù)領(lǐng)域涉及：G06F18/2433；該發(fā)明授權(quán)一種基于增量學(xué)習(xí)的時間序列異常檢測方法是由閆秋艷;李博雪;姜竹郡;佟毓來設(shè)計研發(fā)完成，并于2025-07-10向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于增量學(xué)習(xí)的時間序列異常檢測方法在說明書摘要公布了：本發(fā)明涉及一種基于增量學(xué)習(xí)的時間序列異常檢測方法，屬于異常檢測技術(shù)領(lǐng)域，解決了現(xiàn)有技術(shù)中異常檢測不準(zhǔn)確的問題。方法包括：構(gòu)建異常檢測模型，用于提取輸入數(shù)據(jù)的時空依賴性特征，基于時空依賴性特征進(jìn)行樣本重構(gòu)；基于小批量存量樣本對異常檢測模型進(jìn)行預(yù)熱訓(xùn)練；構(gòu)建動態(tài)記憶池，用于存儲舊樣本和對應(yīng)的時空依賴性特征；獲取新增的正常時間序列數(shù)據(jù)得到新增樣本；基于新增樣本和動態(tài)記憶池對異常檢測模型進(jìn)行增量學(xué)習(xí)訓(xùn)練并更新所述動態(tài)記憶池，得到訓(xùn)練好的異常檢測模型；將待檢測時間序列數(shù)據(jù)輸入訓(xùn)練好的異常檢測模型，基于異常檢測模型輸出結(jié)果的重構(gòu)誤差和特征距離計算異常評分，得到異常檢測結(jié)果。實(shí)現(xiàn)了準(zhǔn)確的異常檢測。

本發(fā)明授權(quán)一種基于增量學(xué)習(xí)的時間序列異常檢測方法在權(quán)利要求書中公布了：1.一種基于增量學(xué)習(xí)的時間序列異常檢測方法，其特征在于，包括以下步驟： 構(gòu)建異常檢測模型，所述異常檢測模型用于提取輸入數(shù)據(jù)的時空依賴性特征，基于所述時空依賴性特征進(jìn)行樣本重構(gòu)；基于小批量存量樣本對所述異常檢測模型進(jìn)行預(yù)熱訓(xùn)練； 構(gòu)建動態(tài)記憶池，所述動態(tài)記憶池用于存儲舊樣本和對應(yīng)的時空依賴性特征； 獲取新增的正常時間序列數(shù)據(jù)得到新增樣本； 基于所述新增樣本和所述動態(tài)記憶池對所述異常檢測模型進(jìn)行增量學(xué)習(xí)訓(xùn)練并更新所述動態(tài)記憶池，得到訓(xùn)練好的異常檢測模型； 將待檢測時間序列數(shù)據(jù)輸入所述訓(xùn)練好的異常檢測模型，基于異常檢測模型輸出結(jié)果的重構(gòu)誤差和特征距離計算異常評分，得到異常檢測結(jié)果; 所述異常檢測模型包括： 序列分解模塊，用于將輸入數(shù)據(jù)分解為季節(jié)分量和趨勢分量； 時空編碼器模塊，用于對所述季節(jié)分量和趨勢分量分別進(jìn)行時空特征編碼，得到季節(jié)分量和趨勢分量對應(yīng)的時空依賴性特征； 重構(gòu)模塊，用于基于季節(jié)分量和趨勢分量對應(yīng)的時空依賴性特征進(jìn)行樣本重構(gòu); 時空編碼器包括： 分塊模塊，用于分別對季節(jié)分量和趨勢分量進(jìn)行分塊，并提取每個分塊的特征表示，得到分塊表示的季節(jié)分量和趨勢分量； 時間建模模塊，用于分別對分塊表示的季節(jié)分量和趨勢分量進(jìn)行時間卷積，得到季節(jié)分量和趨勢分量對應(yīng)的時間依賴性特征： 空間建模模塊，用于分別對季節(jié)分量和趨勢分量對應(yīng)的時間依賴性特征進(jìn)行變量維度間的空間依賴關(guān)系建模，得到季節(jié)分量和趨勢分量對應(yīng)的時空依賴性特征; 所述空間建模模塊包括： 第一圖卷積網(wǎng)絡(luò)，用于采用圖卷積對季節(jié)分量對應(yīng)的時間依賴性特征進(jìn)行變量維度間的空間依賴關(guān)系建模，得到季節(jié)分量的時空依賴性特征；所述第一圖卷積網(wǎng)絡(luò)的節(jié)點(diǎn)數(shù)量為季節(jié)分量的時間依賴性特征的第二維度，每個節(jié)點(diǎn)的輸入特征為該節(jié)點(diǎn)對應(yīng)的第三維度的特征； 第二圖卷積網(wǎng)絡(luò)，用于采用圖卷積對趨勢分量對應(yīng)的時間依賴性特征進(jìn)行變量維度間的空間依賴關(guān)系建模，得到趨勢分量的時空依賴性特征；所述第二圖卷積網(wǎng)絡(luò)的節(jié)點(diǎn)數(shù)量為趨勢分量的時間依賴性特征的第二維度，每個節(jié)點(diǎn)的輸入特征為該節(jié)點(diǎn)對應(yīng)的第三維度的特征; 所述第一圖卷積網(wǎng)絡(luò)采用多層殘差結(jié)構(gòu)；采用以下方式對季節(jié)分量對應(yīng)的時間依賴性特征進(jìn)行空間依賴關(guān)系建模： ； ； 其中，表示第一圖卷積網(wǎng)絡(luò)第一層圖卷積輸出的特征，表示季節(jié)分量的時間依賴性特征，表示第一圖卷積網(wǎng)絡(luò)第層圖卷積輸出的特征，表示第一圖卷積網(wǎng)絡(luò)第層圖卷積輸出的特征，表示圖卷積編碼器。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人中國礦業(yè)大學(xué)，其通訊地址為：221116 江蘇省徐州市銅山區(qū)大學(xué)路1號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。