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！

龙图腾网获悉烟台大学申请的专利一种基于动态时空超图演化的智慧治理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：CN121598268B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202610105765.4，技术领域涉及：G06F18/2433；该发明授权一种基于动态时空超图演化的智慧治理异常检测方法及系统是由姜岸佐;温浩男;刘兆伟;单垚;刘昊;李恒;宋永超;孟振华设计研发完成，并于2026-01-27向国家知识产权局提交的专利申请。

本一种基于动态时空超图演化的智慧治理异常检测方法及系统在说明书摘要公布了：本发明涉及数据异常检测技术领域，尤其是涉及一种基于动态时空超图演化的智慧治理异常检测方法及系统。基于获取的原始观测数据进行自适应模态解耦与多视域嵌入，得到初始节点表征，其中包括基于变分模态的信号解耦和多视域时空嵌入编码；基于得到的初始节点表征进行动态演化超图结构学习，得到深层特征张量，其中包括基于度量学习的动态超边生成和时空超图卷积演化；基于深层特征张量进行多尺度时序原型记忆预测，包括多尺度时序特征提取、原型记忆读取与重构以及重构特征的未来预测；本发明解决了突发异常难以预判及深度模型缺乏可解释性的难题。

本发明授权一种基于动态时空超图演化的智慧治理异常检测方法及系统在权利要求书中公布了：1.一种基于动态时空超图演化的智慧治理异常检测方法，其特征在于，包括： 获取智慧治理系统的原始观测数据； 基于获取的原始观测数据进行自适应模态解耦与多视域嵌入，得到初始节点表征，其中包括基于变分模态的信号解耦和多视域时空嵌入编码； 基于得到的初始节点表征进行动态演化超图结构学习，得到深层特征张量，其中包括基于度量学习的动态超边生成和时空超图卷积演化； 基于深层特征张量进行多尺度时序原型记忆预测，包括多尺度时序特征提取、原型记忆读取与重构以及重构特征的未来预测； 根据预测结果进行不确定性感知决策与归因，包括不确定性感知异常评分构建与时空归因分析； 输出检测异常任务； 所述基于度量学习的动态超边生成，包括在获得融合多视域信息的初始节点表征后，构建基于特征空间度量学习的动态超图演化机制，在每一个时间步，基于当前时刻的节点特征分布来推断潜在的关联结构，设为节点在时刻的特征向量，采用可微的特征空间近邻聚类策略来动态生成超边，对于网络中的每一个节点，将其视为潜在的质心，计算其与其他所有节点在高维特征空间中的广义距离，并选取距离最近的个节点，共同构成一个以节点为中心的超边；为增强模型对非线性关系的捕捉能力，采用多头缩放点积注意力来度量节点间的相似度，表示为： ， ， 基于计算出的邻居集合，构建时刻的动态关联矩阵，若节点属于以节点为中心的超边，则关联矩阵中的元素置为1，否则为0；其中，表示在时刻节点与节点之间的相似度得分；和分别为可学习的查询和键投影矩阵；和为节点特征向量；为缩放因子；表示动态生成的超边所包含的节点集合；为时刻的动态关联矩阵； 所述时空超图卷积演化，包括在构建好动态超图后，构建超图卷积层来执行空间信息的聚合与传播，不同于普通图卷积的点对点传播，超图卷积包含节点聚合至超边和超边分发至节点两个阶段，从而捕捉群组内部的高阶协同特征，第层的特征更新规则表示为： ，其中，和分别表示第层输入和输出的节点特征矩阵，其中来自上一模块；为当前时刻的动态关联矩阵；和分别为节点度矩阵和超边度矩阵；为一个可学习的超边权重对角矩阵；为第层的可学习线性变换权重矩阵；为非线性激活函数；通过堆叠层动态超图卷积，每个节点聚合自身的历史信息，通过超边融合所在群组内其他协同节点的特征，最终生成包含高阶时空语义的深层特征张量。

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烟台大学，其通讯地址为：264003 山东省烟台市莱山区清泉路30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。