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！

龙图腾网获悉福建师范大学申请的专利基于图傅里叶变换增强的图神经网络机器学习模型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：CN121117805B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202511648525.0，技术领域涉及：G06F18/2415；该发明授权基于图傅里叶变换增强的图神经网络机器学习模型异常检测方法是由林丽美;赖澄达;黄艳泽;李伟阳;汪晓丁;王大进设计研发完成，并于2025-11-12向国家知识产权局提交的专利申请。

本基于图傅里叶变换增强的图神经网络机器学习模型异常检测方法在说明书摘要公布了：本发明公开了基于图傅里叶变换增强的图神经网络机器学习模型异常检测方法，包括以下步骤：1时空子图提取与标记；2基于图傅里叶变换的特征增强；3结合GNN与GRU的结构信息聚合；4基于门控注意力循环单元的时间依赖建模；5异常边分类与端到端训练。本发明通过将动态边异常检测任务重构为对目标边时空子图的结构变化检测，并在此基础上结合图傅里叶变换以提取频域特征来增强全局结构感知，并采用一种新颖的门控注意力循环单元来动态建模时间依赖关系，以实现对动态图中结构和时间异常的高效、鲁棒识别。

本发明授权基于图傅里叶变换增强的图神经网络机器学习模型异常检测方法在权利要求书中公布了：1.基于图傅里叶变换增强的图神经网络机器学习模型异常检测方法，其特征在于：其包括以下步骤： 步骤1，时空子图提取与标记：在特定时间窗口内提取动态图序列的目标边的跳邻域子图序列，并采用双路径节点标记函数生成节点初始属性编码； 步骤2，基于图傅里叶变换的特征增强：对每个子图的节点特征矩阵应用图傅里叶变换，进行频域滤波后逆变换回节点空间，得到频率增强的节点特征；步骤2包括以下步骤： 步骤2-1，计算归一化拉普拉斯矩阵：根据每一个子图的邻接矩阵和度矩阵计算对应的归一化拉普拉斯矩阵；归一化拉普拉斯矩阵的公式为： ； 其中，是单位矩阵；是邻接矩阵，是度矩阵，为子图的节点数； 步骤2-2，执行特征分解与图傅里叶变换：对归一化拉普拉斯矩阵进行特征分解得到由正交特征向量构成的矩阵和由相应特征值构成的对角矩阵；随后，应用图傅里叶变换将节点特征矩阵转换至频率域得到频域信号表示，即； 步骤2-3，应用低通滤波与逆图傅里叶变换：在频率域中应用一个指数低通滤波器对频域信号进行处理得到滤波后的频域特征；最后通过逆图傅里叶变换将滤波后的频域特征映射回节点空间得到频率增强后的节点特征矩阵，公式为： ； 其中，表示指数低通滤波器，表示控制指数低通滤波器的衰减因子； 步骤3，结构信息聚合：构建深度聚合模块，利用深度聚合模块融合图神经网络与门控循环单元以提取子图的结构表示得到子图表示序列； 步骤4，基于门控注意力循环单元的时间依赖建模：基于门控注意力循环单元对子图表示序列进行时间建模自适应地捕捉关键时间动态，以便通过动态注意力权重调整隐藏状态更新； 步骤5，异常边分类与端到端训练：将门控注意力循环单元输出的隐藏状态输入全连接分类器得到异常概率以便异常分类，并通过二元交叉熵损失进行端到端训练和模型优化。

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福建师范大学，其通讯地址为：350000 福建省福州市闽侯县上街镇乌龙江中大道18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。