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！

龙图腾网获悉中国科学院国家空间科学中心申请的专利中心约束对比学习特征变换的自集成卫星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：CN115423079B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202211109820.5，技术领域涉及：G06N3/04；该发明授权中心约束对比学习特征变换的自集成卫星异常检测方法是由李虎;郭国航;刘玉荣;胡钛;席涛;尹晓丹;廉建鑫设计研发完成，并于2022-09-13向国家知识产权局提交的专利申请。

本中心约束对比学习特征变换的自集成卫星异常检测方法在说明书摘要公布了：本发明公开了中心约束对比学习特征变换的自集成卫星异常检测方法，所述方法包括：接收航天器下传的遥测原始数据；根据需判断的航天器载荷单机设备，对遥测原始数据进行提取，得到对应的分包遥测数据；将预处理后的分包遥测数据输入预先建立和训练好的异常判别模型，实现载荷单机设备状态判别；所述异常判别模型基于中心约束和对比约束学习的自集成异常检测方法，通过融合中心损失和对比损失的方式实现特征映射，并采用多视角和多层次特征的自集成学习方式实现航天器遥测数据的异常检测。本发明可普适于面向航天器任务目标的载荷单机设备状态判别学习与自动状态识别，提高了自适应性和自动化水平。

本发明授权中心约束对比学习特征变换的自集成卫星异常检测方法在权利要求书中公布了：1.一种中心约束对比学习特征变换的自集成卫星异常检测方法，所述方法包括： 接收航天器下传的遥测原始数据； 根据需判断的航天器载荷单机设备，对遥测原始数据进行提取，得到对应的分包遥测数据； 将预处理后的分包遥测数据输入预先建立和训练好的异常判别模型，实现载荷单机设备状态判别； 所述异常判别模型基于中心约束和对比约束学习的自集成异常检测方法，通过融合中心损失和对比损失的方式实现特征映射，并采用多视角和多层次特征的自集成学习方式实现航天器遥测数据的异常检测； 所述异常判别模型包括特征空间创建模块、样本特征自集成异常分数函数模块和异常分数的状态判别函数模块；其中， 所述特征空间创建模块，包括编码器fθ，用于提取数据特征； 所述样本特征自集成异常分数函数模块采用自集成决策方法框架，基于编码器fθ各层的特征输出作为自集成决策SED的输入，并输出到异常分数函数； 所述异常分数的状态判别函数模块，用于根据异常分数与阈值进行比较，实现异常检测； 所述方法还包括对编码器fθ的训练步骤，具体包括： 以正常遥测数据建立训练集； 采用SimCLR作为对比学习框架，并结合中心约束目标，依次构建数据增强器编码器fθ、映射头gv以及对比损失函数和中心损失函数； 根据设定的学习率对编码器fθ进行训练，得到训练好的fθ； 所述样本特征自集成异常分数函数模块以马氏距离为异常度量，融合多视角和多层特征的自集成决策方法SED，包括多视角特征集成MVFE和多层特征集成MLFE，利用各个神经网络层以及各个视角的信息，提升模型辨别异常，得到样本特征自集成异常分数； 所述样本特征自集成异常分数满足下式： 式中，sSEDx为样本x的自集成异常分数，mean表示均值聚合函数；L为编码器层数，n为1到L；smvfex,ln为样本x在第ln层的多视角特征集成异常分数，满足下式： 式中，Fagg为聚合函数，为计算集合中元素的均值、最大值或最小值，为样本x所有视角在第ln层的异常分数集合；K为视角个数，m从1到K；smx,ln为编码器fθ在第ln层的异常分数，满足下式： 式中，xm为样本x的第m视角，为xm第ln层的特征，和分别为的均值和协方差矩阵，N为训练集的样本个数，T表示转置。

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中国科学院国家空间科学中心，其通讯地址为：100190 北京市海淀区中关村南二条1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。