買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉合肥工業大學申請的專利一種基于疊層寬度學習系統的魯棒無監督異常檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116486191B 。

龍圖騰網通過國家知識產權局官網在2025-09-23發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211473110.0，技術領域涉及：G06V10/774；該發明授權一種基于疊層寬度學習系統的魯棒無監督異常檢測方法是由王曉佳;華彤;薛子睿;徐晟;朱克毓;汪存佳設計研發完成，并于2022-11-21向國家知識產權局提交的專利申請。

本一種基于疊層寬度學習系統的魯棒無監督異常檢測方法在說明書摘要公布了：本發明提供了一種基于疊層寬度學習系統的魯棒無監督異常檢測方法，用于異常檢測，包括以下步驟：構建魯棒疊層寬度學習系統的目標函數：通過嶺回歸計算所述魯棒疊層寬度學習系統的輸出權重；確定每個魯棒疊層寬度學習系統子模塊的預測輸出；基于核密度估計函數，計算樣本的權重因子，根據樣本的殘差概率分布密度識別異常值。本發明通過充分利用疊層BLS的殘差特性，根據樣本點的離散程度分配不同的加權因子，消除異常值和噪聲對檢測的干擾；同時魯棒疊層BLS可以自適應地處理未標記數據，其動態疊層結構和增量學習算法在提高檢測精度的基礎上，提高了魯棒性和泛化能力。

本發明授權一種基于疊層寬度學習系統的魯棒無監督異常檢測方法在權利要求書中公布了：1.一種基于疊層寬度學習系統的魯棒無監督異常檢測方法，其特征在于，該方法應用于MVTec數據集，包括以下步驟： 構建魯棒疊層寬度學習系統的目標函數； 將樣本的權重因子集成到魯棒疊層BLS目標函數中，計算如下： 其中，ei表示實際輸出與預測輸出之間的殘差，λ表示正則化參數，Ui表示第i個BLS塊的預測輸出；Yi表示實際輸出，1≤i≤N； 通過嶺回歸計算所述魯棒疊層寬度學習系統的輸出權重； 通過嶺回歸計算所述魯棒疊層寬度學習系統的輸出權重，具體包括： 獲取嶺回歸的近似結果； 基于所述近似結果計算所述輸出權重，計算過程如下： 所述嶺回歸的近似結果的表達式為： 對上述表達式進行化簡：輸入 得到： 其中，A表示特征節點與增強節點共同構成的增廣矩陣；A+表示矩陣A的偽逆；AT表示矩陣A的轉置；I表示單位矩陣；Vi表示特征節點的映射矩陣；Wi表示寬度學習系統的輸出權重；WZ表示特征節點矩陣的相應權重；WH表示增強節點矩陣的相應權重；θ表示權重因子； 確定每個魯棒疊層寬度學習系統子模塊的預測輸出； 基于核密度估計函數，計算樣本的權重因子，根據樣本的殘差概率分布密度識別異常值； 計算樣本的權重因子θ具體包括以下步驟： 獲取訓練樣本集； 計算所述訓練樣本集中的樣本殘差； 基于核密度估計函數獲取殘差概率密度函數fx； 根據所述殘差概率密度函數計算第i個樣本點的權值因子θi； 基于θi構建權重矩陣θ； 其中，所述訓練樣本集中的樣本為無標簽的輸入數據； 根據樣本的殘差概率分布密度識別異常值具體包括： 獲取識別異常值的判斷要素； 基于所述判斷要素對識別異常值進行判斷： 判斷MAX是否低于預設值ε，判斷結果為是，則迭代過程停止；判斷結果為否，繼續迭代過程，直至判斷結果為是；判斷l是否達到最大迭代次數，判斷結果為是，則迭代過程停止，判斷結果為否，繼續迭代過程，直至判斷結果為是； 其中，l表示第l次迭代；MAX表示獲取的連續兩次輸出權重的最大絕對值之差；ε表示預設閾值。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人合肥工業大學，其通訊地址為：230009 安徽省合肥市包河區屯溪路193號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。