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！

龙图腾网恭喜华侨大学;福建北杭建设工程有限公司申请的专利一种基于自适应多尺度特征建模的异常检测方法及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：CN119939476B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202510412968.3，技术领域涉及：G06F18/2433；该发明授权一种基于自适应多尺度特征建模的异常检测方法及装置是由王成;陈珞瑶;廖晓斌;李艳星;陈林聪;高毅超设计研发完成，并于2025-04-03向国家知识产权局提交的专利申请。

本一种基于自适应多尺度特征建模的异常检测方法及装置在说明书摘要公布了：本发明提供的一种基于自适应多尺度特征建模的异常检测方法及装置，涉及数据异常检测技术领域。本发明结合时间成分分解与门控网络，在不同时间尺度上为数据分配适合的专家网络。在专家层中利用深度卷积网络与跨时间片段的注意力机制，挖掘时间序列中不同时间段之内以及不同时间段之间的相互关系。然后结合图结构，建模变量间的空间交互特征。最后，学习数据的潜在表示来生成重构数据，计算重构误差和潜在空间的KL散度进行模型训练，从而在无监督的条件下进行高效的异常检测。本发明提升了工业控制系统中异常检测的精度，为实际应用提供更加灵活和准确的异常检测工具，在没有标签数据的情况下，适应工业控制系统中时间序列数据的复杂动态变化。

本发明授权一种基于自适应多尺度特征建模的异常检测方法及装置在权利要求书中公布了：1.一种基于自适应多尺度特征建模的异常检测方法，其特征在于，包括：S1,获取工业控制系统的历史监测时间序列数据，并对数据进行预处理，得到输入异常检测模型的训练数据；S2,结合傅里叶变换与不同尺寸的滑动窗口，对输入的所述训练数据进行时间成分分解后与所述训练数据融合，得到分解结果；S3,根据所述分解结果，结合门控网络计算出门控权重矩阵，并自适应地加权组合多个不同尺度的专家网络处理所述训练数据的输出，得到多尺度融合特征；具体为：根据所述分解结果，提取每个时间步长的特征向量，得到数据分解结果子集；根据数据分解结果子集生成初始的门控权重矩阵，公式为： ；其中，表示所述分解结果的第个子集的门控权重矩阵；为激活函数；和分别为学习到的权重和偏置项；表示所述分解结果的第个子集的输入特征；根据所述训练数据，提取每个时间步长的特征向量，得到数据子集；根据所述门控权重矩阵，将所述数据子集分配给多个不同尺度的专家网络，以选择最适合的专家网络处理当前数据，得到输出特征，表达式为： ； ；其中，表示输入的当前数据对应的门控权重矩阵；表示从的输出中选择权重最大的个专家；表示经过噪声注入的专家权重表示；表示选择专家个数；表示门控权重；表示从均值为0、方差为1的标准正态分布中抽样的噪声；表示平滑的ReLU函数，以增强模型的非线性表达能力；表示噪声权重；基于所述门控权重矩阵，对多个不同尺度的专家网络处理输出的特征进行加权求和，得到多尺度融合特征，表达式为： ；其中，是第个专家网络的输出特征；表示专家网络的总数；S4,计算所述多尺度融合特征在每个时间步长的邻接矩阵，并采用图卷积操作对所述邻接矩阵的节点特征进行聚合，以捕捉节点间的空间关联特征，得到空间特征；S5,将所述空间特征与所述多尺度融合特征进行加权求和，得到结合时空信息的最终特征表示；S6,将所述最终特征表示送入变分自编码器学习潜在空间表示，并进行数据解码重构，得到重构数据；S7,结合重构数据误差损失和KL散度作为损失函数训练模型，得到训练好的异常检测模型；S8,将预处理后的待检测数据输入异常检测模型，结合设定的阈值，得到异常检测结果。

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华侨大学;福建北杭建设工程有限公司，其通讯地址为：362000 福建省泉州市丰泽区城华北路269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”。