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！

龙图腾网获悉烟台大学申请的专利一种基于图神经网络的海洋环境鲁棒数据重建方法及系统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：CN119293649B 。

龙图腾网通过国家知识产权局官网在2025-03-21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：202411832794.8，技术领域涉及：G06F18/2415；该发明授权一种基于图神经网络的海洋环境鲁棒数据重建方法及系统是由刘兆伟;蒋毅豪;李凡;牟春晓;侯永超;崔振东设计研发完成，并于2024-12-13向国家知识产权局提交的专利申请。

本一种基于图神经网络的海洋环境鲁棒数据重建方法及系统在说明书摘要公布了：本发明涉及海洋环境技术领域，尤其是涉及一种基于图神经网络的海洋环境鲁棒数据重建方法及系统。方法，包括获取海洋环境数据；对获取的海洋环境数据进行数据预处理；基于海洋环境数据中的地理位置信息的构建图结构；建立基于图神经网络的海洋环境鲁棒数据重建模型；利用海洋环境鲁棒数据重建模型对海洋环境数据识别，得到识别结果。本发明通过引入特征补全网络与去噪网络相结合的结构，模型能够在高噪声和特征缺失的海洋数据中自动学习深层次的关联关系，并通过动态注意力机制捕捉关键节点特征，有效提升特征表示的准确性和鲁棒性。

本发明授权一种基于图神经网络的海洋环境鲁棒数据重建方法及系统在权利要求书中公布了：1.一种基于图神经网络的海洋环境鲁棒数据重建方法，其特征在于，包括：获取海洋环境数据；对获取的海洋环境数据进行数据预处理；基于海洋环境数据中的地理位置信息的构建图结构；建立基于图神经网络的海洋环境鲁棒数据重建模型；利用海洋环境鲁棒数据重建模型对海洋环境数据识别，得到识别结果；所述对获取的海洋环境数据进行数据预处理，包括针对非数值型数据，采用独热编码将类别变量转换为二进制向量，对数据转换后的数值型特征进行归一化处理，减少特征间的方差差异，确保不同特征在模型中的贡献度一致；处理后的数据将以CSV文件格式保存，并为每个样本分配多个标签；所述基于海洋环境数据中的地理位置信息的构建图结构，包括基于采集数据中的地理位置信息构建初始图G，将每个监测点视为图的一个节点，并根据节点之间的地理邻近关系以及功能特征相似性定义边的连接，节点的地理位置坐标用于初始化图的空间拓扑结构，并结合设备状态和环境特征构建边的权重；所述建立基于图神经网络的海洋环境鲁棒数据重建模型，包括分别构建特征补全层、降噪层和图注意力层，其中，利用特征补全层将预处理的海洋环境数据和图结构作为输入，生成补全后的特征向量；利用降噪层接收补全后的特征向量与邻接矩阵作为输入，以去除特征噪声，输出优化后的特征表示和更新的图结构；利用图注意力层以降噪层输出的新特征和图结构为输入，最终生成具备高鲁棒性的特征表示；所述利用降噪层接收补全后的特征向量与邻接矩阵作为输入，以去除特征噪声，包括通过图增强技术和对抗性训练去除海洋复杂环境下对采集的数据造成的噪声影响，强化图的拓扑结构，其中，通过图增强技术分别生成kNN图、净化图、扰动图和负样本图；对于净化图、扰动图和负样本图，依次进行相似性保留卷积运算，为每个图计算对应的拉普拉斯矩阵，再进行L层相似性卷积，得到净化图节点表示、扰动图节点表示和负样本图节点表示，最后通过引入判别器和交叉熵损失函数优化网络提升节点特征的鲁棒性并将三种节点表示作为模型后续的输入；所述利用图注意力层以降噪层输出的新特征和图结构为输入，最终生成具备高鲁棒性的特征表示，包括利用图注意力层根据动态聚合邻域特征进一步增强节点的表示能力和图的结构表征，其中，对节点特征进行拼接后，利用注意力权重函数进行评分，并引入softmax函数对所有相邻节点注意力权重归一化生成最终的注意力系数，基于得到的注意力系数进行卷积操作，经过图注意力层处理后得到更新的节点特征；所述利用海洋环境鲁棒数据重建模型对海洋环境数据识别，包括对海洋环境鲁棒数据重建模型进行训练，其中，对海洋环境数据进行数据集划分，将训练数据带入基于图神经网络的海洋环境鲁棒数据重建模型，模型的特征补全层误差通过衡量原始数据和补全数据的差异获取，降噪层的损失是交叉熵损失函数计算的互信息损失，根据互信息损失，应用梯度下降法更新网络参数，其中，互信息损失表示为： 其中，表示余弦相似度函数；图注意力层的损失根据标签和交叉熵损失函数获取： 。

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烟台大学，其通讯地址为：264003 山东省烟台市莱山区清泉路30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”。