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深度学习的异常数据检测与分类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：CN119312224B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202411347520.X，技术领域涉及：G06F18/2431；该发明授权一种基于深度学习的异常数据检测与分类方法是由戴振华;尹向东;黄伟国;刘起明设计研发完成，并于2024-09-26向国家知识产权局提交的专利申请。

本一种基于深度学习的异常数据检测与分类方法在说明书摘要公布了：本发明公开了一种基于深度学习的异常数据检测与分类方法，S1、获取目标数据集；S2、构建多层神经网络模型；S3、利用Scikit‑learn中的半监督学习模型对目标数据集进行初步训练；S4、构建集成模型；S5、通过监督学习的方式对集成模型进行训练，训练数据集包含正常数据和异常数据，基于分类损失函数优化集成模型权重；S6、将训练完成的集成模型应用于待检测目标数据集，对待检测目标数据集进行特征提取，并集成模型判断数据点是否为异常数据，输出初步检测结果；S7、对检测出的异常数据进行进一步分类，将异常数据划分为不同类型，生成分类结果；S8、根据检测与分类结果更新集成模型。本发明提高对多类别异常数据的分类能力，避免了传统方法中的误分类现象。

本发明授权一种基于深度学习的异常数据检测与分类方法在权利要求书中公布了：1.一种基于深度学习的异常数据检测与分类方法，其特征在于，包括如下步骤：S1、获取目标数据集，对目标数据集进行预处理，目标数据集包括用户访问日志、IP地址、数据包大小、响应时间、请求类型、源端口和目的端口；S2、构建多层神经网络模型，依次包括输入层、若干隐藏层及输出层；S3、利用Scikit-learn半监督模型对目标数据集进行初步训练，所述Scikit-learn半监督模型包括半监督k近邻模型和半监督支持向量机模型，分别对目标数据集进行训练，从带有部分标注和无标注的目标数据集中提取初步异常检测特征；S4、将Scikit-learn半监督模型的初步异常检测特征与多层神经网络模型输出的异常检测结果进行集成，构建集成模型；所述构建集成模型包括将Scikit-learn半监督模型提取的初步异常检测特征集合Φxi与多层神经网络模型的输出分类结果PNNyi＝k|xi进行集成，生成集成特征向量： 其中，为集成模型的最终预测输出，σ为激活函数，Wensemble为集成模型的权重矩阵，α和β为集成系数，分别对应Scikit-learn半监督模型特征和多层神经网络输出的权重，bensemble为偏置项；S5、通过监督学习的方式对集成模型进行训练，训练数据集包含正常数据和异常数据，基于分类损失函数优化集成模型权重；S6、将训练完成的集成模型应用于待检测目标数据集，对待检测目标数据集进行特征提取，并集成模型判断数据点是否为异常数据，输出初步检测结果；S7、对检测出的异常数据进行进一步分类，将异常数据划分为不同类型，生成分类结果；S8、实时监控新输入的数据流，根据检测与分类结果更新集成模型。

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”。