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！

龙图腾网获悉中国长江电力股份有限公司申请的专利基于元学习的长江干流异常水位数据识别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：CN117312910B 。

龙图腾网通过国家知识产权局官网在2026-01-16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：202311189069.9，技术领域涉及：G06F18/24；该发明授权基于元学习的长江干流异常水位数据识别方法是由刘道君;周保红;刘帅;张玉松;欧思程;涂杰;杨锦辉设计研发完成，并于2023-09-15向国家知识产权局提交的专利申请。

本基于元学习的长江干流异常水位数据识别方法在说明书摘要公布了：基于元学习的长江干流异常水位数据识别方法，包括:步骤1：基于FCM异常值检测模型识别异常水位数据；步骤2：基于元学习MAML模型，将元学习任务分为元训练任务和元测试任务；步骤3：元训练任务阶段，设计多个任务训练FCM异常值检测模型得到FCM异常值检测模型初始化参数θ；步骤4：元测试任务阶段，通过支持集数据对FCM聚类模型初始化参数θ进行微调，用来预测查询集节点类别，检测节点是否异常。本发明一种基于元学习的长江干流异常水位数据识别方法，能够基于少数几个站点的水位数据，即可训练出一个可适用于其他站点水位数据的异常识别模型，且能够体现出较好识别效果，体现出模型较强的泛化能力。

本发明授权基于元学习的长江干流异常水位数据识别方法在权利要求书中公布了：1.基于元学习的长江干流异常水位数据识别方法，其特征在于包括以下步骤： 步骤1：基于FCM异常值检测模型识别异常水位数据； 步骤2：基于元学习MAML模型，将元学习任务分为元训练任务和元测试任务； 步骤3：元训练任务阶段，设计多个任务训练FCM异常值检测模型得到FCM异常值检测模型初始化参数θ； 步骤4：元测试任务阶段，通过支持集数据对FCM聚类模型初始化参数θ进行微调，用来预测查询集节点类别，检测节点是否异常； 所述步骤3包括以下步骤： S3.1：利用元训练任务的支持集数据训练FCM异常值检测模型，并得到FCM聚类模型的中间参数θ′，在元训练任务的查询集数据中利用中间参数θ′来预测异常数据； S3.2：计算基于所有查询集数据的损失值来更新模型中间参数θ′，在计算查询集数据的异常数据时，将查询集数据视为支持集数据，将支持集数据视为查询集数据； S3.3：基于所有任务的查询集数据的损失值，来更新得到初始化参数θ； 所述步骤3中，元训练集D1由长江干流中游遥测站某个站点的数据组成， 定义元训练集D1＝{v1，y1，v2，y2，...，vi，yi，...，vN，yN}，N为元训练集中样本的个数；vi表示样本点；yi为样本点类别；定义元训练集中的数据类别集合为C1，则有yi∈C1；从D1中随机采样M个元训练任务{T1，T2，...，TM}，T1，T2，...，TM分别表示的每一个元训练任务集合；每个元训练任务都由支持集Si和查询集Qi组成； 元训练任务的生成包括如下步骤： 首先，从类别集合C1中随机采样|C2|个类别，将采样出的类别作为此次任务的总的类别，表示为Ci，通过Ci能够得到所有属于Ci类别的节点，表示为 接着，为了模拟小样本学习中的N-wayK-shot问题，对Ci中的每个类别随机采样K个节点，由于是小样本问题，K取值较小，将得到的|C2|×K个节点作为支持集Si； 最后，在中剩余节点随机抽取P个节点作为查询集Qi，支持集Si和查询集Qi共同组成元训练任务Ti，即Ti＝Si+Qi； 重复以上步骤M次，得到M个不同的元训练任务T1，T2，...，TM； 元训练具体如下： 在元训练任务Tk中，将支持集数据Sk送入梯度下降微调后的FCM异常检测模型中，使用上文中公式1FCM异常检测模型的Loss函数作为损失函数，如式4所示： k表示第k个任务；θ为FCM异常检测模型初始化参数；Sk表示支持集数据；表示每一次异常数据检测任务损失值，在元训练任务Tk中，使用梯度下降法对FCM异常检测模型的初始化参数θ进行更新，如式5所示； 其中：α1表示任务学习率；θ′k表示在任务Tk上的最优参数；Sk表示支持集数据； 上式展示了单次梯度下降的过程； 再将这个任务中的查询集Qk送入到使用式5微调之后的模型中，并且使用FCM异常检测模型Loss函数计算损失值，如式6所示； 表示查询集Qk的损失值函数； 元学习MAML模型优化方式如式7所示； 其中：α2为元学习率； 所述步骤4中，在元测试任务阶段，通过每个任务中的支持集数据对初始化参数θ进行微调，能够用来预测查询集节点类别，具体如下： 定义元测试任务为：Tk-test＝Smt+Qmt， 其中：Smt＝{vi1，vi2，...，vis}＝xmt1，ymt1，xmt2，ymt2，...，xmts，ymts；Smt为元测试任务中的支持集， vi1，vi2，...，vis分别表示样本点；xmt1，ymt1，xmt2，ymt2，...，xmts，ymts表示节点值和节点标签； Qmt为元测试任务中的查询集，根据Smt来计算当前经过微调之后的FCM异常检测模型的损失值，如式8所示： 表示的数据集Smt的损失函数；表示的FCM异常检测模型在第k个任务上的损失函数； 来获得适合于这个元测试任务Tk-test的参数θ′mt，如式9所示； α1为任务学习率；在更新完参数θ′mt后，将查询集Qmt的样本输入到θmt为参数的FCM异常检测模型中，能够得到节点的分类结果，检测到这些节点是否异常。

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中国长江电力股份有限公司，其通讯地址为：430014 湖北省武汉市江岸区三阳路88号三阳中心；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。