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！

龙图腾网获悉盛视科技股份有限公司申请的专利一种基于DBSCAN的旅客异常识别方法及装置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：CN116933112B 。

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：202310800798.7，技术领域涉及：G06F18/2321；该发明授权一种基于DBSCAN的旅客异常识别方法及装置是由王驰;苗应亮;胡长柏;李胜南设计研发完成，并于2023-07-03向国家知识产权局提交的专利申请。

本一种基于DBSCAN的旅客异常识别方法及装置在说明书摘要公布了：本发明公开一种基于DBSCAN的旅客异常识别方法及装置，其方法包括：建立数据样本，根据数据样本进行无监督异常分类，自动计算异常数据本身的相似性；根据该相似性得到旅客异常判断结果；其中，根据数据样本进行无监督异常分类，具体是将数据样本按照异常类型进行分类并获取其特征数据，形成不同异常类型的特征数据，对不同异常类型的特征数据分别利用DBSCAN算法进行聚类分析，得到聚类簇数据，所述聚类簇数据包括异常簇中心和常规簇中心。本发明根据各类人员属性定义计算特征，利于DBSCAN算法分类的准确性；DBSCAN算法对数据分类过程中，可以区分离群点，这部分数据不仅利于分析新的异常类型，同时避免了少数数据被强制划分到某一类聚类簇而影响分类准确率。

本发明授权一种基于DBSCAN的旅客异常识别方法及装置在权利要求书中公布了：1.一种基于DBSCAN的旅客异常识别方法，其特征在于：包括： 建立数据样本，根据数据样本进行无监督异常分类，自动计算异常数据本身的相似性；根据该相似性得到旅客异常判断结果； 其中，根据数据样本进行无监督异常分类，具体是将数据样本按照异常类型进行分类并获取其特征数据，形成不同异常类型的特征数据，对不同异常类型的特征数据分别利用DBSCAN算法进行聚类分析，得到聚类簇数据，所述聚类簇数据包括异常簇中心和常规簇中心； 根据数据样本进行无监督异常分类，具体包括： 步骤1：将数据样本按照异常类型进行分类，形成不同异常类型的旅客信息， 步骤2：对各种异常类型的旅客信息分别进行属性定义；根据各种异常类型的旅客信息的属性定义分别计算特征，形成多种异常类型特征数据； 步骤3：将每种异常类型特征数据单独进行DBSCAN聚类计算： 步骤31：确定DBSCAN算法中的邻域半径Eps和邻域中数据对象数目阈值MinPts参数： 步骤32：DBSCAN聚类计算流程： 输入：异常类型特征数据构成的数据集，邻域半径Eps，邻域中数据对象数目阈值MinPts； 输出：密度联通簇； 处理流程如下： 从数据集中任意选取一个数据对象点p； 如果对于参数Eps和MinPts，所选取的数据对象点p为核心点，则找出所有从p密度可达的数据对象点，形成一个簇； 如果选取的数据对象点p是边缘点，选取另一个数据对象点； 重复、步，直到数据集中所有点被处理； 得到聚类簇和簇内对象点、离群点，i为聚类簇数量，k为不同聚类簇对象点数量，j为离群点数量； 步骤4：根据步骤3得到不同异常类型特征数据的聚类簇，通过各类聚类簇即可得到聚类簇中心，记为聚类簇、聚类簇、聚类簇，聚类簇内对象点为，聚类簇内对象点为，聚类簇内对象点为，离群点，令簇重心点作为聚类簇的聚类中心，令簇重心点作为聚类簇的聚类中心，令簇重心点作为聚类簇的聚类中心； 步骤5：结合经验和聚类簇、聚类簇、聚类簇的聚类中心特征分布，人工判定各聚类簇异常与否，给簇内对象点确定标签属性； 步骤6：分析离群点分布以确定是否存在异常，如存在异常则将此离群点分布作为异常类聚簇中心； 步骤7：如果针对某种异常类型存在专家经验，人为划分特征部分，作为专家认定异常类聚类中心； 步骤8：得到正常聚类中心点集合和异常聚类中心点集合； 步骤9：根据以上步骤即可获得第一类异常人员的正常聚类中心点集合和异常聚类中心点集合、第二类异常人员的正常聚类中心点集合和异常聚类中心点集合、第三类异常人员的正常聚类中心点集合和异常聚类中心点集合。

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盛视科技股份有限公司，其通讯地址为：518000 广东省深圳市福田区华富街道莲花一村社区彩田路7018号新浩壹都A4201-4206(整层)、43整层、45整层；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。