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！

龙图腾网获悉国家海洋环境监测中心申请的专利一种融合时空特征堆叠集成学习的海洋pH数据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：CN120995319B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202511518967.3，技术领域涉及：G06F18/2431；该发明授权一种融合时空特征堆叠集成学习的海洋pH数据异常检测方法是由朱程;宋德瑞;齐焕东;苏岫;张建丽;景昕蒂设计研发完成，并于2025-10-23向国家知识产权局提交的专利申请。

本一种融合时空特征堆叠集成学习的海洋pH数据异常检测方法在说明书摘要公布了：本发明涉及海洋数据检测领域，是一种融合时空特征堆叠集成学习的海洋pH数据异常检测方法，利用选择性集成策略结合堆叠泛化框架融合多个基模型，计算海洋pH数据的Kappa统计量和Q统计量，并结合TNR和TPR两个性能指标计算每个基模型的性能得分，选择峰值处对应模型作为基模型；构建时空特征提取模块，将时间特征和空间特征进行特征融合，得到时空特征向量；将海洋pH数据分别输入基模型和时空特征提取模块，将提取出的时空特征与多个基模型输出的标签概率进行组合成为新特征向量，通过元模型知识增强网络利用新特征向量得到分类结果，实现海洋pH数据的检测。本发明利用融合时空特征堆叠集成学习的方法，解决了异常数据召回率低及泛化能力不足的问题。

本发明授权一种融合时空特征堆叠集成学习的海洋pH数据异常检测方法在权利要求书中公布了：1.一种融合时空特征堆叠集成学习的海洋pH数据异常检测方法，其特征在于，包括： 利用选择性集成策略结合堆叠泛化框架融合多个基模型，计算海洋pH数据的Kappa统计量和Q统计量，并结合TNR和TPR两个性能指标计算每个基模型的性能得分，选择峰值处对应模型作为基模型； 对于每个基模型计算所述计算海洋pH数据的Kappa统计量和Q统计量，具体包括： 对于两个不同模型和的分类结果，其中a表示二者都分类正确的数据个数；d表示二者都分类错误的数据个数，b为模型正确分类而模型错误分类的样本数目，c为模型正确分而模型错误分类的样本数目，所述Kappa统计量的计算公式为： 其中，表示两个模型分类结果一致的概率，称为实际一致性，表示两个模型在随机猜测情况下分类结果一致的概率，称为随机一致性； 所述Q统计量用于量化两个模型在分类错误的一致性，计算公式为： 对于基模型和的分类结果，按照真实标签，分别计算少数类和多数类上的Kappa统计量，得到少数类上的Kappa统计量和多数类上的Kappa统计量，进行Kappa统计量转换： 其中，表示和两模型在少数类上转换后的Kappa统计量，表示和两模型在多数类上转换后的Kappa统计量； 引入不平衡权重因子和，对Kappa统计量得分进行加权： 其中，表示和两模型在全部类别上转换后的Kappa统计量，和分别为少数类和多数类的样本数量； 将基模型与其他基模型的加权Kappa统计量加和，得到基模型的加权Kappa统计量之和： 分别计算个基模型的加权Kappa统计量，并将所有基模型的加权Kappa统计量求和作为分母，对每个基模型的加权Kappa统计量进行归一化处理，得到第个基模型Kappa统计量得分： 对于基模型和的分类结果，按照真实标签，分别计算少数类和多数类上的Q统计量，得到少数类上的Q统计量和多数类上的Q统计量，进行Q统计量转换： 其中，表示和两模型在少数类上转换后的Q统计量，表示和两模型在多数类上转换后的Q统计量； 引入不平衡权重因子和，对Q统计量得分进行加权： 其中，表示和两模型在全部类别上转换后的Q统计量，和分别为少数类和多数类的样本数量； 将基模型与其他基模型的加权Q统计量加和，得到基模型的加权Q统计量之和： 分别计算个基模型的加权Q统计量，并将所有基模型的加权Q统计量求和作为分母，对每个基模型的加权Q统计量进行归一化处理，得到第i个基模型的Q统计量得分： 对每个基模型计算所述TNR和TPR两个性能指标，具体包括： 所述TNR表示被模型正确预测为异常数据的样本数占所有实际异常数据样本数的比例，即异常数据的召回率，计算公式为： 其中，表示模型将异常数据正确判断为异常数据的数量，表示模型将异常数据错误判断为好数据的数量； 对于所述性能得分，TNR得分根据真实标签和分类结果计算基模型的TNR值，将个基模型的TNR值之和作为分母对每一个基模型的TNR值进行归一化处理，得到第i个基模型的TNR值得分： 其中，表示归一化后的第个基模型的TNR值得分； 所述TPR表示被模型正确预测为好数据的样本数占所有实际好数据样本数的比例，即好数据的召回率，计算公式为： 其中，表示模型将好数据正确判断为好数据的数量，表示模型将好数据错误判断为异常数据的数量； 对于所述性能得分，TPR得分根据真实标签和分类结果计算基模型的TPR值，将所有个基模型的TPR值之和作为分母对每一个基模型的TPR值进行归一化处理，得到第i个基模型的TPR值得分： 其中，表示归一化后的第个基模型的TPR值得分； 对第个基模型的Kappa统计量得分、Q统计量得分、TPR值得分、TNR值得分进行加和作为融合多样性的性能得分： 将每个基模型的性能得分从高到低进行排序，逐一增加基模型数量，将峰值处对应模型作为通过选择性集成策略选择出的基模型； 构建时空特征提取模块，分别提取时间特征和空间特征；将时间特征和空间特征进行特征融合，得到时空特征向量； 将海洋pH数据分别输入基模型和时空特征提取模块，将提取出的时空特征与多个基模型输出的标签概率进行组合成为新特征向量，通过元模型知识增强网络利用新特征向量得到分类结果，实现海洋pH数据的检测。

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国家海洋环境监测中心，其通讯地址为：116000 辽宁省大连市沙河口区凌河街42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。