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！

龙图腾网获悉深圳华锐分布式技术股份有限公司申请的专利清算数据异常检测方法、装置、设备及介质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：CN119442118B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202510033787.X，技术领域涉及：G06F18/2433；该发明授权清算数据异常检测方法、装置、设备及介质是由茅冬琳;童军;李润东;黄兆毅;雷利军;周红烈;姜凌翔;董嘉泓;邹斌;陈兆恒;沈小健设计研发完成，并于2025-01-09向国家知识产权局提交的专利申请。

本清算数据异常检测方法、装置、设备及介质在说明书摘要公布了：本发明涉及数据处理技术领域，提供一种清算数据异常检测方法、装置、设备及介质，一方面，本发明通过IPCA模型实现对清算数据的批处理，能够避免一次性加载所有数据，解决了传统大数据处理场景下内存限制的问题，更加适合处理大规模或者流式的清算数据；一方面，本发明通过IPCA模型的主成分降维及投影误差的计算，可以更加快速、准确地检测出清算数据中的异常数据；另一方面，本发明利用重构误差的统计特性识别出高偏离的字段，实现了异常数据的可解释性输出。

本发明授权清算数据异常检测方法、装置、设备及介质在权利要求书中公布了：1.一种清算数据异常检测方法，其特征在于，所述清算数据异常检测方法包括： 获取初始IPCA模型及获取历史清算数据作为训练样本，将所述训练样本分批次加载至所述初始IPCA模型进行训练，得到目标模型及异常检测阈值；其中，获取所述训练样本的文件体积、当前可用内存及训练端的性能参数；根据所述文件体积、所述当前可用内存及所述性能参数确定每批次样本量；使用IncrementalPCA类初始化IPCA模型，并配置所述IPCA模型对应的降维后的主成分数量及每批次样本量，得到所述初始IPCA模型；其中，所述将所述训练样本分批次加载至所述初始IPCA模型进行训练，得到目标模型及异常检测阈值包括：按照每批次样本量将所述训练样本分批次加载至所述初始IPCA模型进行训练，直至所有训练样本都完成训练时，将当前训练得到的模型确定为所述目标模型；在训练过程中，计算每批次样本的协方差矩阵，并对每批次样本的协方差矩阵进行特征值分解，以提取最大特征值所对应的特征向量方向作为每批次样本的主成分方向；计算每个主成分方向所对应的累积方差贡献率；获取贡献率阈值，从每批次样本的主成分方向中获取所述累积方差贡献率大于或者等于所述贡献率阈值的主成分方向作为候选方向；按照所述累积方差贡献率由大到小的顺序对所述候选方向进行排序，得到候选方向序列；从所述候选方向序列中获取前预设位的候选方向构建主成分空间；计算每个训练样本在所述主成分空间的重构误差，并计算每个训练样本在所述主成分空间的重构误差的平均值得到重构误差均值；按照所述重构误差均值的预设倍数标准差配置所述异常检测阈值； 响应于对清算数据的异常检测指令，加载所述清算数据，并对所述清算数据进行清洗得到待处理数据； 利用所述目标模型对所述待处理数据进行投影，得到降维数据； 根据所述降维数据计算所述待处理数据的重构误差作为目标误差； 根据所述目标误差计算所述待处理数据的异常分值； 对比所述异常分值与所述异常检测阈值，得到所述清算数据的异常检测结果； 根据所述异常检测结果生成所述清算数据的异常报告，并将所述异常报告发送至指定终端设备； 其中，每隔预设时间间隔采集新增清算数据，并利用所述新增清算数据对所述目标模型进行补充训练，以更新所述目标模型的主成分方向及所述异常检测阈值。

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深圳华锐分布式技术股份有限公司，其通讯地址为：518000 广东省深圳市福田区梅林街道梅都社区中康路136号深圳新一代产业园5栋2301；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。