Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西安电子科技大学李乐乐获国家专利权

西安电子科技大学李乐乐获国家专利权

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!

龙图腾网获悉西安电子科技大学申请的专利基于自适应参数DBSCAN的飞行器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:CN119691641B

龙图腾网通过国家知识产权局官网在2025-10-28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:202411701812.9,技术领域涉及:G06F18/2433;该发明授权基于自适应参数DBSCAN的飞行器异常检测方法是由李乐乐;谢晋;陈家喜;高卫峰;李宏;侯凯方设计研发完成,并于2024-11-26向国家知识产权局提交的专利申请。

基于自适应参数DBSCAN的飞行器异常检测方法在说明书摘要公布了:本发明公开一种基于自适应参数DBSCAN的飞行器异常检测方法,其实现方案为,通过Z‑score标准化处理飞行器的纬度、经度、高度、速度数据,通过距离矩阵生成eps‑list;利用二分搜索优化法优化eps‑list中的eps值,将其对应的minpts值作为自适应参数;使用K‑means算法建立候选eps‑list;通过DBSCAN算法进行聚类;利用聚类结果检测异常,识别噪声点并分析其特征。本发明无需人为干预即可自动确定算法参数,直接提高聚类的准确性和鲁棒性,处理大规模飞行器数据可保持很高的响应速度,可更精准地识别飞行状态中的异常情况,提高飞行安全监控的效率和可靠性。

本发明授权基于自适应参数DBSCAN的飞行器异常检测方法在权利要求书中公布了:1.一种基于自适应参数DBSCAN的飞行器异常检测方法,其特征在于,采用的利用二分搜索优化法确定自适应参数,使用K-means算法建立候选eps-list,通过对候选eps-list的DBSCAN聚类进行飞行器的异常检测;该检测方法的步骤包括如下: 步骤1,生成eps-list: 第一步,生成至少包含1000架飞行器的数据集,每架飞行器的数据中均包含纬度、经度、高度、速度四个维度;使用Z-score标准化方法分别处理纬度、经度、高度、速度四个维度数据,使得每个维度的均值为0,标准差为1; 第二步,按照下式,计算两两飞行器之间的欧氏距离: 其中,dij表示第i个飞行器与第j个飞行器之间的欧氏距离,xik、xjk分别表示第i个飞行器、第j个飞行器在第k维上的坐标,k=1,2,3,4分别表示纬度、经度、高度、速度四个维度; 第三步,将所有欧氏距离组成的一个距离矩阵D; 第四步,对距离矩阵D的每一行,按照其欧氏距离值大小进行升序排序,生成排序后的矩阵D′,矩阵D′中的每行只包含一个零元素,用于表示飞行器之间的距离,将每行的第g个非零元素定义为该行所代表的飞行器到其第h个近邻距离; 第五步,将每行的所有近邻距离求和后再除以飞行器的总数,得到平均该行的近邻距离;将所有近邻距离组成列表eps-list,表中包含每个飞行器的eps值; 步骤2,利用二分搜索优化法,优化eps-list中的eps值,在minpts-list中查找的最优eps值对应的minpts值作为自适应参数; 所述利用二分搜索优化法,优化eps-list中的eps值的步骤如下: 第一步,根据初步稳定区域,设定初始搜索区间:当连续多次尝试的聚类结果中簇的数量没有发生变化时,认为算法已经进入了一个初步的稳定区域,将初步稳定区域作为搜索范围; 第二步,执行二分搜索优化法并记录结果: 第一次搜索,选取初始搜索区间的中间值作为候选eps值进行聚类,记录每个候选eps值对应的聚类数量;如果聚类结果中的聚类数量与稳定聚类数量相等或非常接近,则继续在当前区间内进行二分搜索,否则,调整搜索区间后执行第三步; 第三步,采用与第一次搜索相同的方法,在更新搜索区间内找到能够产生与稳定聚类数量最接近或相等的eps值; 步骤3,提取每个飞行器到其第k个近邻的距离,以形成距离列表;使用K-means算法,基于所述距离列表,建立候选eps-list; 所述K-means算法的步骤如下: 第一步,通过频率直方图中显著峰值的数量,估计K-means算法所需的聚类中心数; 第二步,按照下式,计算每个聚类中心点到其最远飞行器的距离: 其中,dmaxci表示第i个聚类中心点Ci到其最远飞行器的距离,||x-ci||表示第x个飞行器点与第i个聚类中心点Ci的欧氏距离; 第三步,将每个聚类中心到其最远飞行器的距离作为候选eps值,将所有候选eps值按升序排列,形成候选eps-list; 步骤4,基于候选eps-list进行DBSCAN聚类; 步骤5,基于聚类结果检测异常。

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西安电子科技大学,其通讯地址为:710071 陕西省西安市雁塔区太白南路2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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。