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！

龙图腾网获悉长春理工大学申请的专利基于深度置信网络的电力通信安全生产多源异构数据自适应融合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：CN121117934B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202511235034.3，技术领域涉及：G06F18/25；该发明授权基于深度置信网络的电力通信安全生产多源异构数据自适应融合方法是由陈晓娟;刘元明;曲畅;王义;韦嘉名设计研发完成，并于2025-09-01向国家知识产权局提交的专利申请。

本基于深度置信网络的电力通信安全生产多源异构数据自适应融合方法在说明书摘要公布了：基于深度置信网络的电力通信安全生产多源异构数据自适应融合方法，涉及电力通信安全生产管理领域，解决现有数据处理方法采用单一维度分析且多为静态，存在数据孤岛、特征冗余及跨模态关联性挖掘不足的难题，难以适应不断变化的电力通信环境，导致数据分析结果的准确性和可靠性受到限制等问题。本发明获取电力通信系统安全生成相关的结构化与非结构数据，并进行预处理，然后对结构化数据应用PCA降维；对非结构化数据，联合采用TF‑IDF和预训练CNN提取特征向量；通过RFE自适应选择关键特征，直至找到最佳的特征集；利用DBN网络及Nadam优化算法融合多源特征，提升分析的全面性与准确性，优化电力通信安全管理。

本发明授权基于深度置信网络的电力通信安全生产多源异构数据自适应融合方法在权利要求书中公布了：1.基于深度置信网络的电力通信安全生产多源异构数据自适应融合方法，其特征是：该方法由以下步骤实现： 步骤S1：采集同一时刻下与电力通信系统安全运行的相关数据，按结构化数据和非结构化数据将其分类，并对结构化数据和非结构化数据进行预处理； 步骤S2：采用主成分分析法对所述结构化数据进行数据降维，获得主成分特征；对于非结构化数据中的文本数据通过TF-IDF提取特征，图像数据则通过预训练CNN网络模型提取特征； 步骤S3：采用RFE方法对步骤S2获得的全部特征进行自适应特征选择，筛选出最优的特征集； 步骤S4：将步骤S3获得的最优的特征集输入通过多层堆叠的RBM构建的深度置信网络DBN，逐层压缩特征并实现跨模态交互，最终输出融合特征；具体为： 采用DBN模型对筛选的特征的进行数据融合，包括设定DBN模型的网络结构，确定隐含层的数量和节点数以适应特征的复杂性； 然后，将提取的特征向量输入到DBN模型中进行预训练，采用无监督学习的方法，使DBN模型能够自身调整并识别特征之间的关系，并采用监督微调使融合特征适配下游任务； 最后，通过Nadam算法优化训练过程，生成综合特征向量；优化算法公式如下： 动量方向修正： ； ； 式中，为一阶矩估计，为修正后的一阶矩，为第t次迭代的模型参数，为损失函数对参数的梯度，为动量衰减系数； 自适应学习率基底： ； ； 式中，为自适应率衰减系数，为第t次迭代时二阶矩估计，为修正后的二阶矩； Nesterov前瞻梯度计算： ； 式中，为前瞻性梯度； Nadam最终更新： ； 式中，为初始学习率，为防止分母为零的常数。

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长春理工大学，其通讯地址为：130000 吉林省长春市朝阳区卫星路7089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。