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！

龙图腾网恭喜国家电网有限公司;安徽送变电工程有限公司申请的专利基于贝叶斯算法的智能数据录入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：CN114491183B 。

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：202210136248.5，技术领域涉及：G06F16/9035；该发明授权基于贝叶斯算法的智能数据录入方法是由杨洋;王开库;黄从宽;王和功;汤成亮;潘俊锐;任少飞;李杰;马学雨;姚海洲;江玉;潘凯;汪序;方辉;管永;黄吕轩;邓科;刘运龙;魏振长;秦超为设计研发完成，并于2022-02-15向国家知识产权局提交的专利申请。

本基于贝叶斯算法的智能数据录入方法在说明书摘要公布了：本发明公开了基于贝叶斯算法的智能数据录入方法，包括以下具体步骤：提取多链路数据，预处理多链路数据，基于贝叶斯算法挖掘清洗多链路相似数据。本发明在提取并预处理多链路数据的基础上，利用贝叶斯算法的后验概率计算多链路中数据的节点概率，将相似数据的维度值作为挖掘参数，挖掘链路中的相似数据。然后通过设置结构参数设定最优贝叶斯网络，将所有相似数据中每个节点父节点输入其中，确定数据的极大似然值，通过剔除具有极大似然值的数据完成清洗处理，具有较高的挖掘精度和清洗精度，故有效性较强。

本发明授权基于贝叶斯算法的智能数据录入方法在权利要求书中公布了：1.基于贝叶斯算法的智能数据录入方法，其特征在于，包括以下具体步骤：步骤一：通过邻接矩阵判断多链路中数据的存在状态，并计算多链路数据的节点度，根据数据出度和入度提取多链路数据信息；步骤二：通过计算多链路半径确定预处理数据的限定范围，在二次降噪的基础上，以该范围为基础计算多链路数据的维度，再通过降维操作完成对数据的预处理；步骤三：利用贝叶斯算法的后验概率计算多链路中数据的节点概率，将相似数据的维度值作为挖掘参数，挖掘链路中的相似数据；步骤四：通过设置结构参数设定最优贝叶斯网络，将所有相似数据中每个节点父节点输入其中，确定数据的极大似然值，通过剔除具有极大似然值的数据完成清洗处理；在步骤三中，首先判断相似程度，即： 式中，same代表数据初始相似度，yt代表数据历史相似度，xt代表相似度计算的误差范围，G代表多链路相似数据数量总数；根据确定的多链路相似数据，利用贝叶斯算法的后验概率计算，确定多链路相似数据的节点概率，可以表示为：PQ＝qU＝u式中，Q代表相似节点的集合，U代表查询数据的集合；根据确定的多链路数据相似数据节点概率，构建多链路相似数据的挖掘模型，根据构建的模型，完成相似数据的挖掘，即：wi＝aP+bp+sa,b∑P式中，wi代表目标相似链路数据，a代表挖掘的相似性数据的度量值，b代表链路间的相似度，s代表不同数据的权重值；采用贝叶斯网络训练上述相似数据，完成对挖掘后数据的清洗；在此基础上，确定贝叶斯网络的最优结构，将该结构设置为Bs，得到：PBs＝D∑P根据确定的最优网络结构，将上述得到的相似数据以节点的形式输入到该网络中，其中，每一个相似性数据代表一个维度的特征，其集合可以表示为：F＝{f1,f2,f3,...fm}式中，代表M条记录，然后将所有相似数据中的每个节点的父节点表示为eVi，通过初始化该节点值使其成为一个空值，该过程如下： 根据确定的空集，通过贝叶斯算法设定评分值函数，即： 式中，代表评分结果值；在完成对相似数据的评定后，通过求取贝叶斯算法的极大似然值，以该值作为清洗的最优结果，得到： 式中，KDθ代表贝叶斯网络结构变量集合，L代表相似数据父节点的结合，P代表父节点的概率，eVi代表得到清洗后的数据最大似然值。

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国家电网有限公司;安徽送变电工程有限公司，其通讯地址为：100032 北京市西城区西长安街86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”。