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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利考虑样本不均衡的GEO航天器机动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：CN121412774B 。

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：202511968528.2，技术领域涉及：G06F18/241；该发明授权考虑样本不均衡的GEO航天器机动检测方法是由龙洗;林裕承;杨乐平;黄涣;蔡伟伟设计研发完成，并于2025-12-24向国家知识产权局提交的专利申请。

本考虑样本不均衡的GEO航天器机动检测方法在说明书摘要公布了：本申请涉及一种考虑样本不均衡的GEO航天器机动检测方法，包括根据SGP4模型形成时序数据；基于GEO卫星的机动控制方程，从时序数据中筛选出特征向量；对特征向量进行PCA降维处理后再对降维后的数据进行聚类，根据聚类结果按预设规则进行抽样和复制，生成平衡样本训练集；构建CCBGA深度学习框架，采用贝叶斯优化算法对CCBGA深度学习框架的网络参数进行自适应优化，使用平衡样本训练集对优化后的CCBGA框架进行训练；将待检测GEO航天器的轨道参数时序数据输入训练完成的CCBGA框架，输出机动检测结果。采用本方法能够提高GEO航天器机动检测的精度与稳定性。

本发明授权考虑样本不均衡的GEO航天器机动检测方法在权利要求书中公布了：1.一种考虑样本不均衡的GEO航天器机动检测方法，其特征在于，所述方法包括： 根据SGP4模型，对编目TLE数据按预设时间间隔向前预报，将预报结果转化为轨道参数，形成时序数据； 基于GEO卫星的机动控制方程，从所述时序数据中筛选出特征向量；对所述特征向量进行PCA降维处理后再对降维后的数据进行聚类，根据聚类结果按预设规则进行抽样和复制，生成平衡样本训练集； 构建CCBGA深度学习框架，采用贝叶斯优化算法对CCBGA深度学习框架的网络参数进行自适应优化，使用所述平衡样本训练集对优化后的CCBGA框架进行训练； 将待检测GEO航天器的轨道参数时序数据输入训练完成的CCBGA框架，输出机动检测结果； 所述CCBGA深度学习框架的结构包括依次连接的双层CNN、BiLSTM、GRU、多头自注意力机制模块及全连接层；所述双层CNN用于提取高维时序数据的局部特征，卷积层的运算公式为：，表示t时刻提取的特征向量，为激活函数，为卷积核权重矩阵，为输入序列，为偏置项，表示卷积运算符。

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人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。