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！

龙图腾网获悉浪潮通用软件有限公司申请的专利基于集成策略的高频时序数据异常检测方法、设备及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：CN120524403B 。

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：202511021585.X，技术领域涉及：G06F18/2433；该发明授权基于集成策略的高频时序数据异常检测方法、设备及介质是由周祥国;李汪洋;王腾江;陈兆瑞;黄文超;刘建睿设计研发完成，并于2025-07-24向国家知识产权局提交的专利申请。

本基于集成策略的高频时序数据异常检测方法、设备及介质在说明书摘要公布了：本申请公开了一种基于集成策略的高频时序数据异常检测方法、设备及介质，涉及工业互联网技术领域，方法包括：对高频时序数据进行数据标准化处理，以得到结构化数据；对结构化数据进行滑动窗口分割，以确定高频时序片段数据；对高频时序片段数据进行数据质量检查，以得到待检高频时序片段数据；基于待检高频时序片段数据，通过异常敏感度的无监督异常识别，确定第一异常分数序列；根据待检高频时序片段数据，通过数据波动率分析，确定第二异常分数序列；基于第一异常分数序列和第二异常分数序列，通过集成学习的元分类分析，以得到高频时序数据的异常监测数据。本申请通过上述方法解决了高频时序数据异常检测无法自适应复杂工业环境的技术问题。

本发明授权基于集成策略的高频时序数据异常检测方法、设备及介质在权利要求书中公布了：1.一种基于集成策略的高频时序数据异常检测方法，其特征在于，所述方法包括： 获取高频时序数据，并对所述高频时序数据进行数据标准化处理，以得到结构化数据； 对所述结构化数据进行滑动窗口分割，以确定高频时序片段数据； 对所述高频时序片段数据进行数据质量检查，以得到待检高频时序片段数据； 基于所述待检高频时序片段数据，通过异常敏感度的无监督异常识别，确定第一异常分数序列； 根据所述待检高频时序片段数据，通过数据波动率分析，确定第二异常分数序列； 基于所述第一异常分数序列和所述第二异常分数序列，通过集成学习的元分类分析，以得到所述高频时序数据的异常监测数据； 基于所述待检高频时序片段数据，通过异常敏感度的无监督异常识别，确定第一异常分数序列，具体包括： 对所述待检高频时序片段数据进行时域关键特征提取，以确定关键特征序列； 对所述关键特征序列进行多算法并行的无监督异常检测，以得到异常特征点； 计算所述异常特征点对应的异常分数，并将所述异常分数归一化，以确定所述第一异常分数序列； 根据所述待检高频时序片段数据，通过数据波动率分析，确定第二异常分数序列，具体包括： 设定波动率监测参数；其中，所述波动率监测参数包括：检测窗口长度、正常范围界限系数、波动检测评价指标； 基于所述检测窗口长度和所述波动检测评价指标，比较相邻时间窗口的波动率，并选取所述相邻时间窗口的波动率大于所述正常范围界限系数的时间点，以确定波动率偏移点； 计算所述波动率偏移点对应的异常分数，以确定所述第二异常分数序列； 在根据所述待检高频时序片段数据，通过数据波动率分析，确定第二异常分数序列之后，所述方法还包括： 对所述待检高频时序片段数据进行上下文元特征提取，以得到元特征向量； 基于所述第一异常分数序列和所述第二异常分数序列，通过集成学习的元分类分析，以得到所述高频时序数据的异常监测数据，具体包括： 配置待训练基学习器，并将所述第一异常分数序列和所述第二异常分数序列设为输入特征，训练所述待训练基学习器至模型收敛，以得到基学习器； 基于所述基学习器，通过概率预测分析，确定基学习器预测向量； 对所述第一异常分数序列、所述第二异常分数序列、所述基学习器预测向量和所述元特征向量进行向量拼接，以得到元学习器输入向量； 获取待训练元学习器，并以所述元学习器输入向量作为所述待训练元学习器的训练向量，将所述待训练元学习器训练至模型收敛，以确定高频时序数据异常检测模型； 将所述高频时序数据输入至所述高频时序数据异常检测模型，以得到所述高频时序数据的异常监测数据。

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浪潮通用软件有限公司，其通讯地址为：250101 山东省济南市历下区浪潮路1036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。