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基于宽度学习的智能工业软件诊断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：CN117827679B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202410101473.4，技术领域涉及：G06F11/362；该发明授权基于宽度学习的智能工业软件诊断方法是由汤乐琪;陈武兴;杨楷翔;李天钧;余志文;张通;陈俊龙设计研发完成，并于2024-01-24向国家知识产权局提交的专利申请。

本基于宽度学习的智能工业软件诊断方法在说明书摘要公布了：本发明公开了一种基于宽度学习的智能工业软件诊断方法，包括：获取不平衡的软件缺陷样本构成的数据集并预处理；将预处理后的数据集划分为训练集和测试集，从训练集中随机选取部分的样本，称为Universum数据，并在Universum数据中选择不同类别的数据取平均值生成先验信息，称为Umean数据；使用Umean数据和剩余的训练集数据训练一个改进的CSBLS模型，称为UCSBLS模型；使用训练好的UCSBLS模型对测试集进行分类，预测出智能工业中的缺陷软件。本发明在宽度学习的基础上，使用了代价敏感学习技术并添加了先验信息，提高对不平衡数据分类准确率，在工业软件缺陷数据集上表现出良好的效果，提高软件缺陷诊断准确性。

本发明授权基于宽度学习的智能工业软件诊断方法在权利要求书中公布了：1.基于宽度学习的智能工业软件诊断方法，其特征在于，包括以下步骤： 步骤1：获取不平衡的软件缺陷样本构成的数据集，对数据集中的样本进行预处理，得到不存在异常值的数据集，该数据集包括样本和存在编码的标签； 步骤2：将预处理后的数据集划分为训练集和测试集，从训练集中随机选取部分的样本，称为Universum数据，并在Universum数据中选择不同类别的数据取平均值生成先验信息，称为Umean数据； 步骤3：使用Umean数据和剩余的训练集数据训练一个改进的CSBLS模型，称为UCSBLS模型，该UCSBLS模型的改进是训练过程中添加Umean数据作为先验信息，并且修改了模型中的类特定成本，用于提高预测效率并能准确诊断出缺陷软件； 所述UCSBLS模型为两层的神经网络，第一层为特征节点和增强节点，第二层是输出层，特征节点和增强节点拼在一起组成隐藏节点；使用Umean数据和剩余的训练集数据来训练UCSBLS模型，X代表Umean数据和剩余的训练集数据构成的新训练集，亦是数据构成的矩阵，Y代表对应数据的标签，亦是标签构成的矩阵，代表向量空间，代表X这个矩阵大小为n×m，代表Y这个矩阵大小为n×k，n代表数据的数量，m代表数据的特征维度，k代表输出的维度；训练UCSBLS模型的过程如下： 3.1输入新训练集并转换为特征节点，公式为： 式中，Wei是X的权重矩阵，βei是偏差项，表示激活函数，计算出的Zi为第i个特征节点；将N个特征节点合并，得到特征层ZN： ZN＝[Z1,Z2,...,ZN] 3.2得到特征节点以后，将这些节点作为输入，转换得到增强节点，转换公式为： Hj＝ξjZNWhj+βhj,j＝1,2,...,M 式中，Whj是ZN的权重矩阵，βhj是偏差项，ξj表示激活函数，计算出的Hj为第j个增强节点；将M个增强节点合并，得到增强层HM： HM＝[H1,H2,...,HM] 3.3拼接特征层和增强层作为两层神经网络的隐藏层A： A＝[ZN|HM] 3.4将修改后的类特定成本和隐藏层A加入到目标函数中，得到目标函数： σi＝yi-AxiWi 式中，W是输出层权重，λ表示权重衰减系数，S+表示正类样本的惩罚代价，S-表示负类样本的惩罚代价，Su表示Umean数据的惩罚代价，n+表示正类样本的数量，n_表示负类样本的数量，nu表示Umean样本的数量，σi表示惩罚项，Axi为第i个数据输入获得的隐藏层，yi为第i个样本对应的标签；修改后的类特定成本的设定规则如下： 在Su的公式中，n＝n++n-+nu； 最后，通过令公式的拉格朗日量的偏导为0，通过求伪逆得到输出层权重： 式中，I是单位矩阵； 最终的预测结果通过下面的公式得到： 式中，为最终预测结果； 步骤4：使用训练好的UCSBLS模型对测试集进行分类，预测出智能工业中的缺陷软件。

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”。

以上内容由龙图腾AI智能生成。