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！

龙图腾网获悉南京大学申请的专利一种基于邻域信息融合注意力机制的时序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：CN116680105B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202310630405.2，技术领域涉及：G06F11/07；该发明授权一种基于邻域信息融合注意力机制的时序异常检测方法是由杨育彬;陈迪设计研发完成，并于2023-05-31向国家知识产权局提交的专利申请。

本一种基于邻域信息融合注意力机制的时序异常检测方法在说明书摘要公布了：本发明公开了一种基于邻域信息融合注意力机制的时序异常检测方法，包含如下步骤：步骤1，对数据集中的时间序列数据进行预处理；步骤2，搭建基于序列分解和注意力机制的神经网络模型，通过所述网络完成对训练数据的特征提取以及重构；步骤3，使用深度学习算法对网络进行无监督预训练；步骤4，利用最终得到的模型进行异常检测。本发明提供的方法通过结合序列分解和注意力机制，融合邻域信息并加强注意力模块对输入窗口数据的边缘部分的建模能力，能够显著提升无监督场景下模型的异常检测效果。

本发明授权一种基于邻域信息融合注意力机制的时序异常检测方法在权利要求书中公布了：1.一种基于邻域信息融合注意力机制的时序异常检测方法，其特征在于，包含以下步骤： 步骤1，对数据集中的包含时间序列的文本数据进行预处理； 步骤2，搭建基于序列分解和注意力机制的神经网络模型即异常检测模型，所述异常检测模型利用神经网络来提取输入数据的多层次特征，并利用所提取到的多层次特征进行重构，得到输入数据的重构结果； 步骤3，训练步骤2所述的异常检测模型，包括：定义损失函数和神经网络超参数，基于无监督的重构任务对异常检测模型中的参数进行迭代优化，得到训练完成的异常检测模型； 步骤4，利用步骤3中得到的训练完成的异常检测模型对待测试的时间序列数据进行处理，根据该异常检测模型输出计算异常分数，并判断输入的待测试的时间序列数据是否异常； 步骤5，将步骤1至步骤4所述的方法应用于包含时间序列文本数据的技术系统的数据集，对数据集中的时间序列文本数据进行异常检测； 其中，步骤1所述的预处理，包括： 首先对数据集中每一条时间序列进行归一化操作，将所有数据放缩到同样的范围，其次对序列进行窗口化，每个窗口长度为T，窗口滑动步长为T，即将时间序列切分为不重叠的子窗口； 步骤2搭建异常检测模型，包括： 步骤2-1，搭建序列分解注意力模块，包括三个部分：序列分解层，异常注意力层，以及全连接层； 步骤2-2，基于序列分解注意力模块搭建异常检测模型，包括双层序列分解注意力模块，残差连接模块以及重构模块； 步骤2-1所述的搭建序列分解注意力模块，具体包括： 步骤2-1-1，搭建序列分解层： 将步骤1中经过预处理的数据进行序列分解，包括：信息融合以及生成两个分量，即趋势性分量和季节性分量； 其中，信息融合即将当前窗口即原始窗口数据与前后两个窗口数据进行拼接： ； 其中，是拼接后的数据，是当前窗口即原始窗口数据，是前一个窗口数据，是后一个窗口数据，是拼接操作；所述窗口即步骤1的预处理中划分得到的窗口； 完成拼接后，通过平均池化操作将拼接后的数据提取趋势性分量，表示如下： ； 其中，是平均池化操作，步长为3； 最后，通过将趋势性分量与原始窗口数据做差获取季节性分量，表示如下： ； 步骤2-1-2，搭建异常注意力层： 通过权重矩阵来计算注意力机制中的矩阵： ； 其中，是注意力机制中的矩阵分量，是可学习的高斯核参数，是模型的输入数据，、、分别是注意力机制中的查询权重矩阵、键值权重矩阵、注意力权重矩阵，是高斯核参数权重矩阵； 将步骤2-1-1中提取的季节性分量作为输入，分别建模先验关联和序列关联，用于定义步骤3中的损失函数及步骤4中的异常分数； 步骤2-1-3，搭建全连接层： 所述全连接层用于提取步骤2-1-1中得到的趋势性分量，由三层的全连接神经网络以及ReLu函数构成，表示如下： ； 其中，表示全连接层，为全连接层的输出，是序列分解注意力模块的第二个输出； 步骤2-2所述的基于序列分解注意力模块搭建异常检测模型，具体包括： 叠加两层序列分解注意力模块，第一层序列分解注意力模块的输入是步骤2-1-1中拼接后的数据，对第一层序列分解注意力模块中的异常注意力层的输出进行边缘填充后，作为第二层序列分解注意力模块的输入；另外，将原始窗口数据输入单独的异常注意力层，作为残差连接模块；最终将上述三个模块的输出通过重构模块进行拼接后输入全连接层，作为异常检测模型的输出层。

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南京大学，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163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。