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！

龙图腾网恭喜湖南科技学院申请的专利一种基于动态反馈机制的云计算环境中数据质量监控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：CN119166461B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202411279656.1，技术领域涉及：G06F11/30；该发明授权一种基于动态反馈机制的云计算环境中数据质量监控方法是由黄伟国;刘起明;谭道军设计研发完成，并于2024-09-12向国家知识产权局提交的专利申请。

本一种基于动态反馈机制的云计算环境中数据质量监控方法在说明书摘要公布了：本发明公开了一种基于动态反馈机制的云计算环境中数据质量监控方法，S1、构建云计算数据集；S2、对云计算数据集进行格式化处理；S3、基于云计算服务模型进行细化调整；S4、将云计算数据集中的数据质量问题建模为图结构；S5、使用图神经网络对建模的图结构进行初始化；S6、基于图神经网络输出的实时结果自动识别潜在的异常传递路径；S7、根据图神经网络的反馈，调整数据质量监控策略；S8、基于节点间的关联性和边的权重进行多维度的数据质量评估；S9、将评估后的数据质量结果通过可视化方式输出并生成反馈报告。本发明显著提升了数据质量监控的实时性、灵活性和准确性。

本发明授权一种基于动态反馈机制的云计算环境中数据质量监控方法在权利要求书中公布了：1.一种基于动态反馈机制的云计算环境中数据质量监控方法，其特征在于，包括如下步骤：S1、实时采集云计算环境中云平台的系统日志、应用日志、数据存储状态和数据传输记录，构建云计算数据集；S2、对云计算数据集进行格式化处理；S3、将云计算数据集中的各类数据作为分析的基础，针对不同类型的云计算服务模型定义一组数据质量指标，并基于云计算服务模型进行细化调整；S4、将云计算数据集中的数据质量问题建模为图结构，图结构节点表示不同的云计算服务或数据源，图结构边表示节点之间的数据流动关系；S5、使用图神经网络对建模的图结构进行初始化，通过训练过程捕捉云计算服务间的数据质量关联建立节点和边之间的权重模型；S6、基于图神经网络输出的实时结果自动识别潜在的异常传递路径，当某个节点发生数据异常时，系统预测与节点相连的其他节点受到的影响，及时调整监控范围和监控策略；S7、根据图神经网络的反馈，调整数据质量监控策略；S8、基于节点间的关联性和边的权重进行多维度的数据质量评估，数据质量评估维度包括数据来源、存储介质、更新频率和数据流动性；S9、将评估后的数据质量结果通过可视化方式输出并生成反馈报告，记录数据质量监控过程中发生的异常及其处理过程；所述S5步骤中包括：S51、对图结构G＝V,E和特征矩阵X进行初始化，初始化过程包括随机初始化节点vi的特征向量xi和边eij的权重wij；S52、将图结构G输入图神经网络，通过图卷积层对节点特征进行信息传递和聚合更新每个节点的特征表示，节点vi的更新规则为： 其中，x′i为节点vi更新后的特征向量，表示节点vi的邻居节点集合，wij为边eij的权重，degvi和degvj分别表示节点vi和节点vj的度数，W为可学习的权重矩阵，σ为激活函数；S53、通过反向传播算法对图神经网络进行训练，定义基于云计算环境中数据质量的特定损失函数L，特定损失函数结合数据的准确性、及时性和一致性表示为： 其中，Ai为节点vi的真实准确性，为其预测值，Ti为节点vi的真实及时性，为其预测值，Ci为节点vi的真实一致性，为其预测值，α1、β1、γ为调整不同数据质量指标的权重因子；S54、通过训练过程优化节点特征x′i和边权重wij捕捉云计算服务间的关联，建立基于图结构的节点和边的权重模型： 其中，w′ij为更新后的边权重，反映节点vi和节点vj之间经过优化后的数据流动强度，η1为学习率，控制更新步长，λ为正则化系数，为损失函数对边权重的偏导数，为时间维度上的梯度，x′i和x′j分别表示节点vi和节点vj更新后的特征向量。

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湖南科技学院，其通讯地址为：425000 湖南省永州市零陵区杨梓塘路130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”。