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！

龙图腾网获悉中山大学申请的专利面向在用车定期环保检验数据的违规异常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：CN115828178B 。

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：202211447137.2，技术领域涉及：G06F18/2433；该发明授权面向在用车定期环保检验数据的违规异常识别方法是由刘永红;李丽;付怿昕;孔繁灵设计研发完成，并于2022-11-18向国家知识产权局提交的专利申请。

本面向在用车定期环保检验数据的违规异常识别方法在说明书摘要公布了：本发明针对现有技术的局限性，提出了一种面向在用车定期环保检验数据的违规异常识别方法，本发明从首检合格与否出发，根据不同首检结果数据实际特征，运用不同的方法进行异常数据识别，识别数据范围完整，落地可操作；针对占绝大部分数据量的首检合格车辆数据，运用随机森林模型对在用车环保检验数据的异常识别，能够有效地降低异常值的影响，可解决多分类问题，泛化能力强；仅利用在用车环保检验的历史数据就能完成异常识别模型的建立，不需要增加额外的检测设备，也不需要建立复杂的物理模型，容易实现；可根据不同地区异常识别的严格程度，设置不同的阈值，进行本地化调整，方便推广。

本发明授权面向在用车定期环保检验数据的违规异常识别方法在权利要求书中公布了：1.一种面向在用车定期环保检验数据的违规异常识别方法，其特征在于，包括以下步骤： S1，获取待识别的在用车定期环保检验数据； S2，判断所述在用车定期环保检验数据是首检合格车辆数据还是首检不合格车辆数据：若为首检合格车辆数据则转去步骤S3，若为首检不合格车辆数据则转去步骤S5； S3，将所述在用车定期环保检验数据中的车辆信息参数和检测方法输入由预设的训练集与验证集建模调优得到的随机森林模型中，获得所述在用车定期环保检验数据的合格得分概率； 运用随机森林算法对采样集进行建模，通过以下方式进行： 采用训练样本量来计算类权重：即某种类型样本量越多，则权重越低，样本量越少，则权重越高；不合格类别权重：合格类别权重：其中N为训练集样本总数，n为训练集中合格样本量，N-n为不合格样本量； 随机选择k个特征，k＝K，获得的采样子集作为根节点，计算该特征对该采样子集的基尼系数：在所有可能的特征及其所有可能的切分点中，选择加权基尼指数最小的特征和相对应的切分点作为最优特征与最优切分点，根据最优特征和最优切分点，生成叶节点，分割子集，保证每个子集都被正确分到叶节点上； 对叶节点递归调用以上步骤直至满足以下条件之一：训练集的加权基尼指数小于预定阈值；或没有更多的特征；或节点中的样本数小于预定阈值；满足条件后，完成本轮训练，生成一棵决策树； 重复以上步骤，完成所有决策树的构建，进行算术平均计算得到输入在整个随机森林上的输出结果； 通过以下方式计算特征对采样子集的基尼系数： X表示该节点的训练集，有2个类：合格与不合格；Ni是X中属于第i类的训练子集； 记训练集X根据特征A能够被分割成X1、X2、...，Xk，k个部分，则在特征A的条件下，集合X的加权基尼指数为； S4，根据所述合格得分概率，运用基于ROC曲线构建的分类预测模型，以预设的预警等级与等级阈值，识别所述在用车定期环保检验数据的异常数据； S5，从所述在用车定期环保检验数据中，筛选出复检记录，即曾检测不合格后最终检测合格的记录； S6，在明确所述在用车定期环保检验数据为同一辆车的前提下，通过检查所述在用车定期环保检验数据的检测合格记录中与所述复检记录中的检测方法、检测站、检测线及车辆信息是否发生变更，识别出异常数据； S7，结合所述步骤S4与S6，输出违规异常识别结果。

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中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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”。