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！

龙图腾网获悉沈阳理工大学申请的专利一种基于因素的事件相似性分析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：CN117290737B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202311296859.7，技术领域涉及：G06F18/22；该发明授权一种基于因素的事件相似性分析方法是由李莎莎;崔铁军设计研发完成，并于2023-10-09向国家知识产权局提交的专利申请。

本一种基于因素的事件相似性分析方法在说明书摘要公布了：本发明涉及安全领域的系统故障分析，提供了一种基于因素的事件相似性分析方法，为化简系统故障演化过程中涉及的众多事件，提出一种基于因素的事件相似性分析方法；方法以影响因素及变化、事件及事件故障概率为基础，涉及改进皮尔逊相似度、信息熵及系统故障演化过程理论；首先研究了基于因素分析事件相似性的可行性；其次建立了事件相似性分析方法，包括事件故障概率相似度、影响因素相似度、概率因素相似度、事件故障概率熵相似度及事件相似度；再次针对事件相似度的不同提出了事件分类方法；用于基于事件相似度的事件分类。通过上述方法对原有事件集合进行化简，使系统故障演化过程降低构建复杂性。

本发明授权一种基于因素的事件相似性分析方法在权利要求书中公布了：1.一种基于因素的事件相似性分析方法，其特征在于，为化简系统故障演化过程中涉及的众多事件，提出一种基于因素的事件相似性分析方法；所述基于因素的事件相似性分析方法以影响因素及变化、事件及事件故障概率为基础，涉及改进皮尔逊相似度、信息熵及系统故障演化过程理论；首先研究了基于因素分析事件相似性的可行性；其次建立了事件相似性分析方法，包括事件故障概率相似度、影响因素相似度、概率因素相似度、事件故障概率熵相似度及事件相似度；再次针对事件相似度的不同提出了事件分类方法；用于基于事件相似度的事件分类； 事件相似性分析方法构建；设形成系统故障演化过程的事件集合为，其中第m个事件为，；影响系统故障演化过程的因素集合为，其中第n个因素为，；所有因素对所有事件的影响程度，使用对应情况下的事件故障概率表示；形成因素影响事件程度矩阵R，为因素影响事件程度矩阵； ； 事件故障概率相似度构建；由于各因素影响下的事件故障概率值域相同为[0,1]，因此故障概率是事件故障特征在各因素维度上的单位变化程度；比较不同事件相似性使用皮尔逊相似度进行，事件故障概率相似度如式1所示； 1 式中：是事件和都受影响的因素集合；是集合中的事件；和分别是事件和受因素影响后的事件故障概率；和分别是事件和受所有因素影响后事件故障概率的平均值； 式1是根据因素影响事件程度矩阵建立的，计算得到任意两事件和在所有因素作用下的事件故障概率相似度；构建事件故障概率相似矩阵S，S是的对称方阵，横纵表头为所有事件，对应单元值为，由式1确定； 影响因素相似度构建；基于改进Jaccard相似度方法建立影响因素相似度，如式2所示； 2 式中：和分别是事件和受影响的因素集合，,；表示其中集合的元素数量； 构建影响因素相似矩阵F，F是的对称方阵，横纵表头为所有事件，对应单元值为，由式2确定； 概率因素相似度构建；概率因素相似度是衡量事件间故障概率和因素共同作用的综合相似性；根据式1和式2分别得到的事件故障概率相似度和影响因素相似度，从而计算概率因素相似度，如式3所示； 3 构建概率因素相似矩阵SF，SF是的对称方阵，横纵表头为所有事件，对应单元位置是，由式3确定；及矩阵SF是根据因素影响事件程度矩阵数据得到的确定值，不包含数据的不确定性； 事件故障概率熵相似度构建；首先建立事件故障概率信息熵；表示两事件故障概率相似性的信息熵应使用所有因素条件下的事件故障概率的差值进行计算，事件故障概率信息熵如式4所示； 4 构建事件故障概率信息熵矩阵H，H是的对称方阵，横纵表头为所有事件，对应单元值为，由式4确定；及矩阵H能反应事件故障概率确定过程中包含的不确定性；这种不确定是建立在两事件故障概率差值基础上的； 基于事件故障概率信息熵构建事件故障概率熵相似度；建立事件故障概率熵相似度，如式5所示； 5 构建事件故障概率熵相似矩阵SH，SH是的对称方阵，横纵表头为所有事件，对应单元值为，由式5确定； 事件相似度构建；基于概率因素相似度，使用事件故障概率熵相似度进行修正，得到事件相似度，如式6所示； 6 构建事件相似矩阵SE，SE是的对称方阵，横纵表头为所有事件，对应单元值为，由式6确定； 基于事件相似度的事件分类方法；事件相似度数组为，元素数量为，，，；将简写为；根据的取值不同，当时，即为事件和事件正相似，表示和的故障概率数值和变化趋势均相似；当时，即为事件和事件不相似；但时，即为事件和事件负相似，表示和的故障概率数值相似，但变化趋势相反；将表示为相似事件对的形式，记为，分别对上述三种情况进行分析； 如果事件，，且，或，则组成全封闭相似组，；继续细分，当，为正全封闭相似组；当，为负全封闭相似组；这时上述事件能构成首尾相接的封闭环； 当时，起始分析的事件相似度为，即从事件开始；当时，起始分析的事件相似度为，即从事件开始； 如果事件，，但，或，则组成非封闭相似组，；当，为正非封闭相似组；，为负非封闭相似组；这时上述事件不能构成首尾相接的封闭环，而形成了链结构； 如果则分析结束；进一步的，当或中的各相似组中有重复事件时，应进行拆分将重复事件单独作为非封闭相似组，并在原有全封闭相似组和非封闭相似组中去掉这些事件，形成新的全封闭相似组和非封闭相似组； 如果，则所有组成非封闭相似组；同理，如果，则所有组成非封闭相似组；对或，且或，那么组成非封闭不相似组。

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沈阳理工大学，其通讯地址为：110000 辽宁省沈阳市浑南区南屏中路6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。