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！

龙图腾网获悉合肥工业大学申请的专利一种基于叠层宽度学习系统的鲁棒无监督异常检测方法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：CN116486191B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202211473110.0，技术领域涉及：G06V10/774；该发明授权一种基于叠层宽度学习系统的鲁棒无监督异常检测方法是由王晓佳;华彤;薛子睿;徐晟;朱克毓;汪存佳设计研发完成，并于2022-11-21向国家知识产权局提交的专利申请。

本一种基于叠层宽度学习系统的鲁棒无监督异常检测方法在说明书摘要公布了：本发明提供了一种基于叠层宽度学习系统的鲁棒无监督异常检测方法，用于异常检测，包括以下步骤：构建鲁棒叠层宽度学习系统的目标函数：通过岭回归计算所述鲁棒叠层宽度学习系统的输出权重；确定每个鲁棒叠层宽度学习系统子模块的预测输出；基于核密度估计函数，计算样本的权重因子，根据样本的残差概率分布密度识别异常值。本发明通过充分利用叠层BLS的残差特性，根据样本点的离散程度分配不同的加权因子，消除异常值和噪声对检测的干扰；同时鲁棒叠层BLS可以自适应地处理未标记数据，其动态叠层结构和增量学习算法在提高检测精度的基础上，提高了鲁棒性和泛化能力。

本发明授权一种基于叠层宽度学习系统的鲁棒无监督异常检测方法在权利要求书中公布了：1.一种基于叠层宽度学习系统的鲁棒无监督异常检测方法，其特征在于，该方法应用于MVTec数据集，包括以下步骤： 构建鲁棒叠层宽度学习系统的目标函数； 将样本的权重因子集成到鲁棒叠层BLS目标函数中，计算如下： 其中，ei表示实际输出与预测输出之间的残差，λ表示正则化参数，Ui表示第i个BLS块的预测输出；Yi表示实际输出，1≤i≤N； 通过岭回归计算所述鲁棒叠层宽度学习系统的输出权重； 通过岭回归计算所述鲁棒叠层宽度学习系统的输出权重，具体包括： 获取岭回归的近似结果； 基于所述近似结果计算所述输出权重，计算过程如下： 所述岭回归的近似结果的表达式为： 对上述表达式进行化简：输入 得到： 其中，A表示特征节点与增强节点共同构成的增广矩阵；A+表示矩阵A的伪逆；AT表示矩阵A的转置；I表示单位矩阵；Vi表示特征节点的映射矩阵；Wi表示宽度学习系统的输出权重；WZ表示特征节点矩阵的相应权重；WH表示增强节点矩阵的相应权重；θ表示权重因子； 确定每个鲁棒叠层宽度学习系统子模块的预测输出； 基于核密度估计函数，计算样本的权重因子，根据样本的残差概率分布密度识别异常值； 计算样本的权重因子θ具体包括以下步骤： 获取训练样本集； 计算所述训练样本集中的样本残差； 基于核密度估计函数获取残差概率密度函数fx； 根据所述残差概率密度函数计算第i个样本点的权值因子θi； 基于θi构建权重矩阵θ； 其中，所述训练样本集中的样本为无标签的输入数据； 根据样本的残差概率分布密度识别异常值具体包括： 获取识别异常值的判断要素； 基于所述判断要素对识别异常值进行判断： 判断MAX是否低于预设值ε，判断结果为是，则迭代过程停止；判断结果为否，继续迭代过程，直至判断结果为是；判断l是否达到最大迭代次数，判断结果为是，则迭代过程停止，判断结果为否，继续迭代过程，直至判断结果为是； 其中，l表示第l次迭代；MAX表示获取的连续两次输出权重的最大绝对值之差；ε表示预设阈值。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。