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！

龙图腾网获悉辽宁省网联数字科技产业有限公司申请的专利基于人工智能的投标行为异常检测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：CN120449056B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202510916355.3，技术领域涉及：G06F18/2433；该发明授权基于人工智能的投标行为异常检测方法及系统是由张汪洋;陈洪岭;刘林;李宇超;李志强设计研发完成，并于2025-07-03向国家知识产权局提交的专利申请。

本基于人工智能的投标行为异常检测方法及系统在说明书摘要公布了：本发明公开了基于人工智能的投标行为异常检测方法及系统，方法包括数据采集、异常评分、投标聚类优化和投标行为异常检测。本发明属于异常检测领域，具体是指基于人工智能的投标行为异常检测方法及系统，本方案通过双范畴特征构建进行互补检测，全面评估投标行为，提高异常检测的全面性；设定异常评分反映投标样本的异常程度，有效区分正常和异常投标行为；通过熵调谐与极端修正，抑制极端噪声的最优阈值，减少误报漏报；引入最大占比惩罚，确保少数异常样本不会影响正常投标行为；基于分离度项与搜索策略，防止陷入局部最优，保证最终异常检测结果的可靠性。

本发明授权基于人工智能的投标行为异常检测方法及系统在权利要求书中公布了：1.基于人工智能的投标行为异常检测方法，其特征在于：该方法包括以下步骤： 步骤S1：数据采集；采集历史投标记录数据，构造策略范畴和行为范畴特征；对特征每维分别做标准化处理，得到投标样本集，并采用滑动窗口将投标样本集分为投标样本子集； 步骤S2：异常评分；对投标样本子集进行密度峰值聚类处理，基于异常评分判定投标行为样本是否正常； 步骤S3：投标聚类优化；基于优化粒子群对密度峰值聚类使用的截断距离、簇中心选择阈值和最小簇大小进行调优； 步骤S4：投标行为异常检测；基于粒子个体位置得到密度峰值聚类处理结果，进行投标行为异常检测； 在步骤S3中，所述投标聚类优化具体包括以下步骤： 步骤S31：适应度函数设计；构建熵调谐项，并引入异常修正项，表示为：；；；；其中，V是异常评分总划分区间数量，v是区间索引；是第v个区间的样本比例；是极端异常修正项的权重系数；M是总维度数；N是总样本数，n是样本索引；是第n个样本第m维度的特征值；abs·是取绝对值；I·是指示函数；是极端阈值；是归一化熵；是样本异常调节值；和分别是样本异常调节值的最小值和最大值；是行为归一化熵值；构建最大占比惩罚项，表示为：；构建分离度项，表示为：；最终适应度函数表示为：；；其中，和分别是正常行为样本和异常行为样本在异常评分上的均值向量；F是个体适应度值；、和是子项权重系数； 步骤S32：粒子种群初始化；基于密度峰值聚类使用的截断距离、簇中心选择阈值和最小簇大小建立参数搜索范畴；随机初始化粒子位置； 步骤S33：粒子位置更新；引入角度与幅度控制，所用公式为：；；；；；其中，和分别是第i个粒子在第t+1次迭代和第t次迭代后更新的位置；和是振幅系数，控制搜索方向；是全局最优位置；是群体均值位置；是搜索尺度；是搜索角度；a是角度控制系数；rand是均匀采样于[0,1]的随机数；RC是半径控制系数； 步骤S34：劣质角度调制；对于适应度值最低的20%个体进行二次更新，并引入角度调制；所用公式为：；其中，是劣质角度调制后的位置；是调制角度； 步骤S35：自适应更新；对于，更新采用；对于RC，更新采用；对于，更新采用；其中，、和分别是初始角度系数、初始半径系数和初始角度；是最大迭代次数；是衰减指数；是指数衰减速率；和分别是最大调制角度和最小调制角度； 步骤S36：优化判定；设定最大迭代次数与适应度阈值，当存在粒子个体适应度值高于适应度阈值，则优化结束；若达到最大迭代次数，则返回至步骤S32；否则继续迭代更新。

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辽宁省网联数字科技产业有限公司，其通讯地址为：110031 辽宁省沈阳市皇姑区北陵大街34-3号15楼；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”。