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！

龙图腾网恭喜浙江大学申请的专利基于GCN-LSTM的工业传感网络异常数据检测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：CN115052304B 。

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：202210573823.8，技术领域涉及：H04W24/04；该发明授权基于GCN-LSTM的工业传感网络异常数据检测方法是由杨强;杨涛;汪金明;郝唯杰;王文海设计研发完成，并于2022-05-24向国家知识产权局提交的专利申请。

本基于GCN-LSTM的工业传感网络异常数据检测方法在说明书摘要公布了：本发明公开了一种基于GCN‑LSTM的工业传感网络异常数据检测方法。该方法首先获得工业传感网络中的历史数据并将其作为训练集；利用训练集并采用Spearman相关性分析方法，得到邻接矩阵；利用T‑distributedstochasticneighborembeddingTSNE方法得到传感器数据的二维坐标；通过邻接矩阵和传感器二维坐标绘制工业传感网络逻辑图；提出将长短期记忆网络LSTM内嵌入图卷积网络GCN中的深度学习模型，并利用标准化后的训练集对其训练；利用训练后的模型进行工业传感网络异常数据检测。本发明以真实工业传感网络数据集为测试数据给出了具体的算法描述，并通过一系列的实验得到实验结果。

本发明授权基于GCN-LSTM的工业传感网络异常数据检测方法在权利要求书中公布了：1.一种基于GCN-LSTM的工业传感网络异常数据检测方法，其特征在于：包括以下步骤1获得工业传感网络中的历史数据并将其作为训练集，打上正常或者异常的标签，进行标准化处理；2利用工业传感网络的训练集，采用Spearman相关性分析和t-distributedstochasticneighborembeddingTSNE降维方法，构建工业传感网络的邻接矩阵和逻辑图；3采用工业传感网络的训练集对基于GCN和LSTM的检测模型进行训练，得到训练好的分类器；所述步骤3具体为：a利用GCN提取空间特征，公式如下： 式中，l表示第l层神经网络，包含第l层图卷积层，第l层LSTM以及第l层残差层；其中A表示邻接矩阵，I表示单位矩阵；δ·表示激活函数；是A的度矩阵；Wl是第l层中GCN的权重矩阵；yG,l是第l层GCN的输出；b利用LSTM提取时序特征，过程如下：yL,l＝LSTMlyG,l式中，LSTMl·表示第l层中的LSTM函数，yL,l是第l层LSTM的输出；c残差层用于将第l层的输入和输出相加，防止出现梯度消失或者梯度爆炸的问题，具体公式如下：yL+G,l＝yL,l+yG,l式中，yL+G,l表示第l层的输出；4实时采集工业传感网络数据并进行标准化处理，将步骤2得到的工业传感网络邻接矩阵和标准化后的实时数据输入步骤3训练好的分类器中，输出正常或者异常的分类标签。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。