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！

龙图腾网获悉广东工业大学申请的专利一种数据异常检测方法、系统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：CN117272194B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202310901742.0，技术领域涉及：G06F18/2433；该发明授权一种数据异常检测方法、系统和存储介质是由张逸群;陈庆生设计研发完成，并于2023-07-21向国家知识产权局提交的专利申请。

本一种数据异常检测方法、系统和存储介质在说明书摘要公布了：本发明涉及数据挖掘技术领域，公开了一种数据异常检测方法、系统和存储介质，该方法采用自适应的聚类算法将数据划分为多个子簇，计算相邻子簇间的连接强度，再使用改进的Floyd算法获得任意子簇间的连接强度矩阵，矩阵各值可合理地表示任意两子簇间的连接程度，子簇簇心位置和连接强度矩阵可体现数据的分布，再使用连接强度矩阵调整基于相似性策略计算的每个样本与子簇的相似性，再根据相似性计算每个样本的异常分数，通过这种计算异常分数来确定异常数据的方法，考虑了数据集的全局与局部信息，不仅可检测出稀疏区域内的散点异常，还可检测出聚集成簇的异常数据，减轻了因异常数据分布集中对检测结果的影响，提高对异常数据的检测准确率。

本发明授权一种数据异常检测方法、系统和存储介质在权利要求书中公布了：1.一种数据异常检测方法，其特征在于，包括以下步骤： 步骤S1：获取待检测数据集； 步骤S2：将所述待检测数据集使用自适应的划分方法划分成K个子簇，并保留每个子簇的簇心位置，K个子簇中的每一个子簇均含有多个样本点； 步骤S3：将K个子簇中所有存在相邻关系的两两子簇和对应子簇的簇心位置输入至基于高斯混合模型的算法中，输出所有存在相邻关系的子簇之间的连接强度，具体过程为： 步骤S3.1：将K个子簇中的所有存在相邻关系的子簇内的所有样本点降维投影至两个相邻子簇簇心原型所在的一维直线上，可获得降维投影后的一维子簇； 步骤S3.2：根据所述降维投影后的一维子簇计算所述降维投影后的一维子簇对应的一维均值和对应的一维方差根据所述一维均值和对应的一维方差定义所述子簇对应的一维高斯概率密度函数和 步骤S3.3：将K个子簇中的所有存在相邻关系的子簇内的所有样本点相加，获得总样本点数，再分别计算所有存在相邻关系的子簇内的样本点数在所述总样本点所占比例，获得所有存在相邻关系的子簇对应的比例，； 步骤S3.4：将所述比例，分别与对应的一维高斯概率密度函数先相乘，再将所述相乘之后的结果相加，获得一个一维二元高斯混合概率密度函数，所述一维二元高斯混合概率密度函数F是一种双峰分布，双峰之间的最小概率密度值作为任意两个存在相邻关系的子簇之间的初始连接强度； 步骤S3.5：重复步骤S3.1至步骤S3.4，获得K个子簇中所有存在相邻关系子簇之间的初始连接强度，将所述初始连接强度归一化，获得K个子簇中所有存在相邻关系子簇之间的连接强度； 步骤S4：根据子簇间的相邻关系以及相邻子簇间的连接强度大小，构建一个相邻子簇间的带权无向图； 步骤S5：根据所述相邻子簇间的带权无向图可获得一个K*K的邻接矩阵W0，将所述K*K的邻接矩阵W0输入至改进的Floyd算法，获得任意子簇间的连接强度矩阵W，所述任意子簇间的连接强度矩阵W表示为所述K个子簇中任意子簇间的带权无向图的邻接矩阵； 步骤S6：使用相似性策略计算每一个样本点与所述K个子簇簇心之间的相似性，获得初始相似性，将所述任意两个子簇间的连接强度矩阵W调整所述初始相似性，获得调整后的相似性,根据所述调整后的相似性计算异常分数，对所述异常分数进行降序排名，排名靠前的异常分数所对应的样本点即为异常数据。

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广东工业大学，其通讯地址为：510080 广东省广州市越秀区东风东路729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”。

以上内容由龙图腾AI智能生成。