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！

龙图腾网获悉天津师范大学申请的专利智能传感网多任务部署漂移检测方法和装置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：CN121441771B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202512001183.X，技术领域涉及：H04L41/14；该发明授权智能传感网多任务部署漂移检测方法和装置是由王为;袁豪;吴佳欣;李崇嵘;金佳玮;王怡宁;李晓辉设计研发完成，并于2025-12-29向国家知识产权局提交的专利申请。

本智能传感网多任务部署漂移检测方法和装置在说明书摘要公布了：本申请公开了一种智能传感网多任务部署漂移检测方法和装置，包括：采集智能传感网中传感器节点的多任务监测数据，并根据多任务监测数据生成节点特征张量；为监测任务构建动态邻接矩阵；通过可学习任务权重对动态邻接矩阵进行加权融合，生成共享邻接矩阵；将节点特征张量和共享邻接矩阵输入时空图卷积网络，并行输出M个预测结果；基于预测结果和实际监测数据计算预测误差，并对预测误差进行归一化处理；根据预测误差分别计算每个监测任务的精度权重和检测权重，并将精度权重和检测权重进行加权平均，得到每一个监测任务的融合权重；对归一化后的预测误差进行加权求和，得到融合漂移分数；在大于动态检测阈值的情况下，输出部署漂移决策信号。

本发明授权智能传感网多任务部署漂移检测方法和装置在权利要求书中公布了：1.一种基于时空图神经网络的智能传感网多任务部署漂移检测方法，其特征在于，包括： 采集智能传感网中N个传感器节点的多任务监测数据，并根据N个所述多任务监测数据分别生成每个传感器节点的节点特征张量，其中，所述多任务监测数据包括传感器节点执行M个监测任务采集的环境监测数据，不同监测任务包括的环境监测数据的类型不同，M、N均为正整数； 根据所述N个传感器节点的地理坐标数据和N个所述多任务监测数据之间的相似性，分别为每个监测任务构建动态邻接矩阵，得到M个动态邻接矩阵； 通过可学习任务权重对所述M个监测任务的动态邻接矩阵进行加权融合，生成共享邻接矩阵； 将N个所述节点特征张量和所述共享邻接矩阵输入时空图卷积网络，通过至少一个共享时空卷积块提取出时空特征，并行输出所述M个监测任务的预测结果； 其中，所述共享时空卷积块，包括：第一层门控时序卷积层，用于以所述共享邻接矩阵为空间拓扑基础，对N个所述节点特征张量进行处理，提取N个所述节点特征张量在时序维度上的动态模式，输出第一时序特征；空间图卷积层，连接在所述第一层门控时序卷积层之后，用于以所述共享邻接矩阵为空间约束，对所述第一时序特征进行图卷积操作，聚合所述第一时序特征中的邻域信息以生成空间关联特征；第二层门控时序卷积层，连接在所述空间图卷积层之后，用于对所述空间关联特征进行时序卷积处理，输出第二时序特征，其中，所述时空特征为由所述第一时序特征、所述空间关联特征和所述第二时序特征经级联处理而形成的综合特征； 基于M个所述预测结果和所述M个监测任务的实际监测数据分别计算所述M个监测任务的预测误差，并对M个所述预测误差进行归一化处理，得到M个归一化后的预测误差； 根据M个所述预测误差分别计算每个监测任务的精度权重和检测权重，并将所述精度权重和检测权重进行加权平均，得到每一个监测任务的融合权重，包括：根据所述M个监测任务当前的预测误差确定每个监测任务的精度权重；根据所述M个监测任务的历史检测性能指标确定每个监测任务的检测权重，其中，所述历史检测性能指标至少包括：精确率和召回率；通过超参数对所述精度权重和所述检测权重进行加权平均，得到所述融合权重，其中，所述超参数用于指示当前性能的重要程度； 基于M个所述融合权重对所述M个归一化后的预测误差进行加权求和，得到融合漂移分数； 在所述融合漂移分数大于动态检测阈值的情况下，输出部署漂移决策信号，其中，所述部署漂移决策信号用于指示重新部署所述智能传感网。

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天津师范大学，其通讯地址为：300387 天津市西青区宾水西道393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。