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！

龙图腾网获悉华南理工大学申请的专利一种无监督域适应的多元时序数据异常检测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：CN116306894B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202310167536.1，技术领域涉及：G06N3/088；该发明授权一种无监督域适应的多元时序数据异常检测方法是由吕建明;王亚权;吴思琦;李博;黄星杰设计研发完成，并于2023-02-27向国家知识产权局提交的专利申请。

本一种无监督域适应的多元时序数据异常检测方法在说明书摘要公布了：本发明公开了一种无监督域适应的多元时序数据异常检测方法，步骤如下：离线训练阶段通过预测任务和重构任务组成的无监督多任务学习框架训练骨干网络；将训练集多元时序数据输入骨干网络，并依次进行域适应窗口归一化、显著异常误差集合扫描、POT阈值选择操作确认最优阈值；在线检测阶段，将待测多元时序数据输入骨干网络，并依次进行域适应窗口归一化、显著异常误差集合扫描操作得到异常分数和显著异常误差集合，将异常分数与最优阈值进行比较输出异常检测结果。本发明提出的无监督域适应多元时序数据异常检测方法解决了多元时序数据异常检测的域漂移问题，同时具有模型轻量，性能优越，解释性好的优点。

本发明授权一种无监督域适应的多元时序数据异常检测方法在权利要求书中公布了：1.一种无监督域适应的多元时序数据异常检测方法，其特征在于，所述多元时序数据异常检测方法包括下列步骤： S1、离线训练阶段，离线对服务器、航天器和汽车发动机在内的设备上设置的传感器采集信号得到训练集多元时序数据，对训练集多元时序数据进行预处理，并将预处理后的数据输入骨干网络中，骨干网络中首先通过扩张卷积自编码器提取深度时序特征，然后将深度时序特征分别输入预测网络和重构网络得到预测结果和重构结果，通过预测任务和重构任务组成的无监督多任务学习框架训练骨干网络； S2、将S1中经过预处理的训练集多元时序数据输入训练完成的骨干网络得到预测结果和重构结果，并将结果与真实值计算误差得到预测误差和重构误差，将预测误差和重构误差依次进行域适应窗口归一化操作和显著异常误差集合扫描操作，得到训练集异常分数，将训练集异常分数进行POT阈值选择操作得到最优阈值；所述步骤S2过程如下： S21、对训练集多元时序数据中每一个t时刻，将S1中训练集多元时序窗口数据X中的Xt和Xt+1输入训练完成的骨干网络中，得到t时刻的预测结果和t+1时刻的重构多元时序窗口数据取中t时刻的重构结果将与和t时刻的训练集多元时序数据xt计算绝对值误差得到t时刻的预测误差εt和重构误差rt，计算公式如下： 其中，||表示取绝对值； S22、将训练集多元时序数据中每一个t时刻的预测误差εt和重构误差rt进行域适应窗口归一化操作得到t时刻的误差向量et； S23、将S22得到的训练集误差向量Dtrain＝{e1,e2,...et,...eM}作为非参数统计扫描的背景误差集进行保存； S24、对训练集多元时序数据中每一个t时刻的误差向量et进行显著异常误差集合扫描操作得到t时刻的显著异常误差集合St，并计算t时刻的异常分数 S25、将S24得到的训练集异常分数 进行POT阈值选择操作，得到最优阈值th*； S3、在线检测阶段，将待测多元时序数据进行预处理后输入训练完成的骨干网络得到预测结果和重构结果，并将结果与真实值计算误差得到预测误差和重构误差，将预测误差和重构误差依次进行域适应窗口归一化和显著异常误差集合扫描操作得到显著异常误差集合和异常分数，将异常分数和S2中的最优阈值进行比较输出异常检测结果。

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南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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”。