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！

龙图腾网获悉中检西南计量有限公司申请的专利一种实验室数据辨识数据可信度的智能系统评估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：CN121637369B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202610163937.3，技术领域涉及：G06F18/2433；该发明授权一种实验室数据辨识数据可信度的智能系统评估方法是由李衍;刘鼎;王翠珏;沈贵花;李正琴;谢潇;周凡;武文琦;木鑫;顾娜设计研发完成，并于2026-02-05向国家知识产权局提交的专利申请。

本一种实验室数据辨识数据可信度的智能系统评估方法在说明书摘要公布了：本发明公开了一种实验室数据辨识数据可信度的智能系统评估方法，涉及联邦学习与数据可信度评估技术领域，解决了难以综合考量模型性能与独特性以提升全局模型聚合质量，也难以针对实验室不同采集场景与数据类型，设计差异化偏差计算的技术问题；首先各实验节点利用合规数据训练本地可信度评估模型，中央服务器基于公共基准数据集评估模型贡献度分数，然后中央服务器通过加权联邦平均算法聚合模型参数增量，以生成全局共识可信度模型后，通过全局与本地模型共同评估新数据，计算场景敏感偏差并记录分布统计量，最后基于历史数据训练轻量预判模型，输入场景敏感偏差等多种参数输出超阈值概率，实现有效判定数据可信度。

本发明授权一种实验室数据辨识数据可信度的智能系统评估方法在权利要求书中公布了：1.一种实验室数据辨识数据可信度的智能系统评估方法，其特征在于，包括以下步骤： S1：各个参与联邦学习的实验室节点，利用自身合规数据训练本地可信度评估模型，中央服务器接收各节点的模型后，在公共基准数据集上评估每个本地可信度评估模型的贡献度分数，所述贡献度分数通过性能综合评估得分与独特性评估得分赋权相加获取； S2：中央服务器通过加密链路接收各实验室模型的参数增量，采用加权联邦平均算法进行聚合，以生成全局共识可信度模型； 所述步骤S2中，采用加权联邦平均算法进行聚合，包括以下步骤： 中央服务器使用贡献度分数作为权重，对接收到的各本地可信度评估模型参数增量进行加权平均，以计算初始全局模型更新方向； 从公共基准数据集中随机选取10%样本作为共识验证集； 融合准确性、召回率与鲁棒性三维性能构建多目标优化函数； 以初始全局模型更新方向为中心设定信任域约束，具体为： 其中，为候选全局模型更新方向，为初始全局模型更新方向，为信任域半径； 中央服务器在本地执行轻量梯度下降，求解使多目标优化函数最小的最优更新方向； 将所述最优更新方向叠加至当前全局模型参数，通过共识验证集对三维性能进行评估，仅当满足全部阈值时，加密分发至各实验室，以形成全局共识可信度模型； S3：各实验室节点使用全局共识可信度模型和本地可信度评估模型，分别对同一批新产生的实验室数据进行评估，分别得到全局可信度分数和本地可信度分数，计算所述全局可信度分数与本地可信度分数的绝对偏差，并记录两种模型在全部数据点上分数差异的分布统计量； 所述步骤S3，包括以下步骤： 各实验室节点对本地新生产的实验室数据，基于采集场景划分为不同层级并标记每层场景标签； 全局共识可信度模型与本地可信度评估模型针对不同场景标签自动调用场景专属评估参数，分别输出每层数据的全局可信度分数集合与本地可信度分数集合； 计算每层单个样本的基础绝对偏差，并引入场景偏差系数对基础绝对偏差进行修正得到场景敏感偏差，所述场景偏差系数通过实验室历史数据统计确定，具体包括：常规检测场景系数、特殊环境检测场景系数与紧急校准场景系数； S4：各实验室节点基于过去3个月的历史数据，训练轻量预判模型，将当前样本的场景敏感偏差、场景偏差趋势与高偏差样本特征聚类输入至训练好的模型中，输出偏差超阈值概率，若偏差超阈值概率≥预设概率阈值，则触发前置预警；否则，则判定当前数据可信度评估结果有效； 所述场景偏差趋势通过按照采集时间序列计算每层平均场景敏感偏差的变化斜率得到；按层统计平均场景敏感偏差后，标记场景敏感偏差≥1.5倍平均场景敏感偏差的高偏差样本，所述高偏差样本特征聚类通过对高偏差样本的核心特征进行聚类，统计占比最高的特征类别。

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检西南计量有限公司，其通讯地址为：650200 云南省昆明市官渡区中国(云南)自由贸易试验区昆明片区经开区经牛路3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。