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！

龙图腾网恭喜深圳恒远志达信息科技有限公司申请的专利一种基于无监督自适应权重的心脏数据异常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：CN114548281B 。

龙图腾网通过国家知识产权局官网在2025-05-02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：202210168082.5，技术领域涉及：G06T7/00；该发明授权一种基于无监督自适应权重的心脏数据异常检测方法是由曾宪华;陈素心设计研发完成，并于2022-02-23向国家知识产权局提交的专利申请。

本一种基于无监督自适应权重的心脏数据异常检测方法在说明书摘要公布了：本发明请求保护一种基于无监督自适应权重的心脏数据异常检测方法，包括：构造基于自适应权重优化的变分自编码器，提取并平衡不同层次数据之间的特征；构造高斯核密度估计模型，处理复杂任务输入数据的密度估计任务，进行异常检测；在自编码器的输入和输出之间构造自适应重构损失，约束自编码器能够正确学习心脏测值数据的特征；在潜空间的低维表示和相应层对应的重构数据之间构造自适应重构损失，保留特征从高维到低维的数据一致性；在输入数据和输出数据之间构造自适应重构损失；在损失函数中构造数据低维特征的数据分布的KL散度以优化采样样本和生成样本之间的差异。本发明在训练比例更少的情况下，得到更优的检测结果。

本发明授权一种基于无监督自适应权重的心脏数据异常检测方法在权利要求书中公布了：1.一种基于无监督自适应权重的心脏数据异常检测方法，其特征在于，包括以下步骤：1、将心脏测值数据x输入变分自编码器，通过变分自编码器提取输入数据x的潜空间分布，并通过解码器将编码器得到的数据分布生成重构的心脏测值数据x′，以此来进行无监督的数据特征提取；2、在变分自编码器的输入数据x和输出数据x′之间构造重构损失，即x和x′的均方误差损失，约束自编码器以无监督方式学习心脏测值的数据特征；3、在潜空间的低维表示和相应层对应的重构数据之间构造重构损失，即隐含层输入输出之间的均方误差损失，保留图像特征从高维到低维的数据一致性；4、构造重构损失的自适应正则项，即增强损失较小的重构损失，减弱损失较大的重构损失，通过梯度优化自动学习不同重构损失的权重参数；5、在损失函数中构造数据低维特征的数据分布的Kullback-Leibler散度以优化采样样本z和生成样本x′之间的差异；6、对高斯和密度估计模型建模，通过高斯核密度估计模型来拟合数据中的正常样本，并通过该模型进行异常样本的检测；所述步骤1中将心脏测值数据x输入变分自编码器，通过编码器提取输入数据x的潜空间分布，并通过解码器将编码器得到的数据分布生成重构的心脏测值数据x′，具体包括：编码器将输入数据x映射为潜在空间的多层低维表示hlatent，并将得到的最后一层低维表示记为h，最后一层低维表示h的数据分布映射用均值μ和方差σ表示，然后将从该分布中随机采样数据得到z送入解码器，得到与编码器对应的多层低维表示的重构数据h′latent，最终得到与输入数据x对应的重构数据x′；所述步骤2中通过构造输入数据x和重构数据x′之间的重构损失来约束自编码器的优化，以对模型的重构数据进行全局优化，该重构损失的定义为：Lio＝||x-x′||2所述步骤3中通过构造潜空间的低维表示和相应层对应的重构数据之间的自适应重构损失Llatent，保留特征从高维到低维的数据一致性，重构损失Llatent定义如下： Llatent包括了自编码器中每一层输出的重构损失；lenhlatent表示潜在空间中编码器和解码器对应的低维表示的组数，表示编码器中的每一层低维表示，表示解码器中的每一层低维表示；所述步骤4中构造自适应重构损失正则项Δ，即增强损失较小的重构损失，减弱损失较大的重构损失，自适应重构损失正则项定义如下： 其中，l和l′表示编码器和解码器中不同层对应的低维表示，merger_loss定义如下： 所述步骤5中在损失函数中构造数据低维特征的数据分布的KL散度相对熵以优化采样样本z和生成样本x′之间的差异，损失函数定义如下： 其中σi表示方差，μi表示均值，n表示数据的个数；所述步骤6中对高斯和密度估计模型建模，通过高斯核密度估计模型来拟合数据中的正常样本，并通过该模型进行异常样本的检测，具体包括：高斯核密度估计模型根据编码器获取心脏测值数据的低维表示h，并将其和输入数据x、自编码器的输出数据x′一同输入高斯核密度估计模型，该过程定义如下： est_input＝h+re_euclideanx,x′ 其中est_input表示输入数据x、自编码器的输出数据x′以及x的低维表示h构造而成的高斯核密度估计模型的入参,re_euclidean表示相对欧式距离，fby表示高斯核密度估计模型、Kb分别表示核密度函数，b是核函数的bandwidth，K是非负的高斯核函数。

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深圳恒远志达信息科技有限公司，其通讯地址为：518000 广东省深圳市龙华区大浪街道横朗社区华兴路13号智云产业园A栋1104；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”。