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！

龙图腾网获悉重庆大学申请的专利一种基于生成对抗网络的多源异构数据清洗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：CN116166650B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202310137600.1，技术领域涉及：G06F16/215；该发明授权一种基于生成对抗网络的多源异构数据清洗方法是由李孝斌;陈晨;江沛;尹超;王励豪设计研发完成，并于2023-02-20向国家知识产权局提交的专利申请。

本一种基于生成对抗网络的多源异构数据清洗方法在说明书摘要公布了：本发明涉及智能制造技术领域，具体涉及一种基于生成对抗网络的多源异构数据清洗方法，包括：获取智能生产线的多源异构数据，并将各多源异构数据合成为对应的多源异构数据融合表；通过聚类分析算法对多源异构数据融合表中残留的冗余数据、异常数据和缺失数据进行分析，进而确定有缺失数据的多源异构数据；将有缺失数据的多源异构数据输入经过训练的生成对抗网络模型中，输出对应的缺失数据填补矩阵；通过缺失数据填补矩阵对有缺失数据的多源异构数据进行填充，以实现多源异构数据的融合和清洗。本发明能够划分出有缺失数据的多源异构数据，并且能够对有缺失数据的多源异构数据进行填充以实现多源异构数据的融合和清洗。

本发明授权一种基于生成对抗网络的多源异构数据清洗方法在权利要求书中公布了：1.基于生成对抗网络的多源异构数据清洗方法，其特征在于，包括： S1：获取变速箱箱体智能生产线的多源异构数据，并将各多源异构数据合成为对应的多源异构数据融合表； S2：通过聚类分析算法对多源异构数据融合表中残留的冗余数据、异常数据和缺失数据进行分析，进而确定有缺失数据的多源异构数据； S3：将有缺失数据的多源异构数据输入经过训练的生成对抗网络模型中，输出对应的缺失数据填补矩阵； 步骤S3中，通过如下步骤构建和训练生成对抗网络模型： S301：选取多层感知神经网络构建生成对抗网络模型的生成模型和判别模型，并初始化生成模型和判别模型的模型参数； 判别模型由m个对应属性特征的判别单元组成，m表示属性特征数量；每个判别单元以属性特征作为输入，输出对应属性特征的缺失概率； 生成模型由m个对应属性特征的生成单元组成，每个生成单元以需要生成的属性特征字段作为输出，将与输出有关联的其他属性特征字段作为输入； S302：构建生成模型的真实数据训练集，训练生成模型模拟真实数据各属性特征之间的映射关系，同时训练判别模型学习数据与数据缺失概率之间的映射关系； S303：通过训练后的生成模型生成缺失数据填补矩阵，通过训练后的判别模型判别缺失数据填补矩阵的数据缺失概率； S304：判断生成模型的生成数据结果和判别模型的判别结果是否达到纳什均衡：若没有达到纳什均衡，则对生成模型和判别模型的参数进行更新迭代；否则训练结束； S305：评估生成对抗网络模型的数据清洗性能； S4：通过缺失数据填补矩阵对有缺失数据的多源异构数据进行填充，以实现多源异构数据的融合和清洗； 实验依据变速箱箱体智能生产线多源异构数据集的数据构建属性特征矩阵，初始化生成模型和判别模型为多层感知模型；随机选取9000组数据集中的实验数据样本，在选取的9000组实验数据样本中随机选取200组数据样本的主轴振动属性特征进行数据缺失和数据异常化处理； 属性特征包括侧面磨损、实验用时、切削深度、加工材料、交流主轴电机电流、直流主轴电机电流、卡盘振动、主轴振动、卡盘声发射、主轴声发射。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙正街174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”。