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！

龙图腾网获悉北京航空航天大学杭州创新研究院申请的专利时空数据异常检测方法、装置、电子设备和存储介质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：CN116894224B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202311002318.9，技术领域涉及：G06F18/2433；该发明授权时空数据异常检测方法、装置、电子设备和存储介质是由王宇鹏;罗喜伶;王珺珺;周泽全设计研发完成，并于2023-08-09向国家知识产权局提交的专利申请。

本时空数据异常检测方法、装置、电子设备和存储介质在说明书摘要公布了：本发明涉及数据处理技术领域，提供一种时空数据异常检测方法、装置、电子设备和存储介质。获取多个待检测时空数据并对其进行空间增广获得多个待处理时空数据，然后利用目标时空数据处理模型对每个待检测时空数据和每个待处理时空数据进行特征提取，获得每个待检测时空数据的待检测时空特征和每个待处理时空数据的待处理时空特征并进行原型估计，获得每个待检测时空特征的原型贡献度向量和每个待处理时空特征的原型贡献度向量，再结合目标时空数据处理模型的目标原型矩阵，获得每个待检测时空特征和每个待处理时空特征分别对应的预测时空特征，并计算每个待检测时空数据的异常评分值以判断其是否异常。提高了时空数据异常检测的准确度。

本发明授权时空数据异常检测方法、装置、电子设备和存储介质在权利要求书中公布了：1.一种时空数据异常检测方法，其特征在于，所述方法包括： 获取多个待检测时空数据，一个所述待检测时空数据包括一个检测周期内多个检测区域的流量序列和所述多个检测区域的邻接矩阵，所述邻接矩阵包括每个所述检测区域与其相邻的所有检测区域之间的关系； 对每个所述待检测时空数据中的邻接矩阵进行空间增广，获得每个待处理时空数据；一个所述待检测时空数据与一个所述待处理时空数据对应，一个所述待处理时空数据包括一个检测周期对应的多个流量序列和全局矩阵，所述全局矩阵包括每个所述检测区域与其他所有检测区域之间的关系； 利用目标时空数据处理模型对每个所述待检测时空数据和每个所述待处理时空数据进行特征提取，获得每个所述待检测时空数据的待检测时空特征和每个所述待处理时空数据的待处理时空特征；一个所述待检测时空特征与一个所述待处理时空特征对应； 利用目标时空数据处理模型基于每个所述待检测时空特征和每个所述待处理时空特征进行原型估计，获得每个所述待检测时空特征的原型贡献度向量和每个所述待处理时空特征的原型贡献度向量； 根据每个所述待检测时空特征的原型贡献度向量、每个所述待处理时空特征的原型贡献度向量和所述目标时空数据处理模型的目标原型矩阵，确定每个所述待检测时空特征对应的预测时空特征和每个所述待处理时空特征对应的预测时空特征，并计算每个所述待检测时空数据的异常评分值； 所述根据每个所述待检测时空特征的原型贡献度向量、每个所述待处理时空特征的原型贡献度向量和所述目标时空数据处理模型的目标原型矩阵，确定每个所述待检测时空特征对应的预测时空特征和每个所述待处理时空特征对应的预测时空特征，并计算每个所述待检测时空数据的异常评分值的步骤，包括： 按照第一预设公式，根据每个所述待检测时空特征的原型贡献度向量、每个所述待处理时空特征的原型贡献度向量和所述目标时空数据处理模型的目标原型矩阵，确定每个所述待检测时空特征对应的预测时空特征和每个所述待处理时空特征对应的预测时空特征； 所述第一预设公式表示如下： ； ； 其中，表示第u个待检测时空特征对应的预测时空特征；表示第u个待检测时空特征的原型贡献度向量；表示第u个待处理时空特征对应的预测时空特征；表示第u个待处理时空特征的原型贡献度向量；表示目标原型矩阵； 按照第二预设公式，根据每个所述待检测时空特征及其对应的预测时空特征和每个所述待处理时空特征及其对应的预测时空特征，计算每个所述待检测时空数据的异常评分值； 所述第二预设公式表示如下： ； 其中，表示第u个待检测时空数据的异常评分值；表示第u个待检测时空特征；表示第u个待处理时空特征； 若所述待检测时空数据的异常评分值大于预设阈值，则判定所述待检测时空数据为异常； 若所述待检测时空数据的异常评分值小于或者等于预设阈值，则判定所述待检测时空数据为正常；所述待检测时空数据为人流量数据。

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北京航空航天大学杭州创新研究院，其通讯地址为：310000 浙江省杭州市滨江区长河街道创慧街18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”。