買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉重慶大學(xué)申請(qǐng)的專利一種基于生成對(duì)抗網(wǎng)絡(luò)的多源異構(gòu)數(shù)據(jù)清洗方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN116166650B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-15發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202310137600.1，技術(shù)領(lǐng)域涉及：G06F16/215；該發(fā)明授權(quán)一種基于生成對(duì)抗網(wǎng)絡(luò)的多源異構(gòu)數(shù)據(jù)清洗方法是由李孝斌;陳晨;江沛;尹超;王勵(lì)豪設(shè)計(jì)研發(fā)完成，并于2023-02-20向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于生成對(duì)抗網(wǎng)絡(luò)的多源異構(gòu)數(shù)據(jù)清洗方法在說(shuō)明書(shū)摘要公布了：本發(fā)明涉及智能制造技術(shù)領(lǐng)域，具體涉及一種基于生成對(duì)抗網(wǎng)絡(luò)的多源異構(gòu)數(shù)據(jù)清洗方法，包括：獲取智能生產(chǎn)線的多源異構(gòu)數(shù)據(jù)，并將各多源異構(gòu)數(shù)據(jù)合成為對(duì)應(yīng)的多源異構(gòu)數(shù)據(jù)融合表；通過(guò)聚類分析算法對(duì)多源異構(gòu)數(shù)據(jù)融合表中殘留的冗余數(shù)據(jù)、異常數(shù)據(jù)和缺失數(shù)據(jù)進(jìn)行分析，進(jìn)而確定有缺失數(shù)據(jù)的多源異構(gòu)數(shù)據(jù)；將有缺失數(shù)據(jù)的多源異構(gòu)數(shù)據(jù)輸入經(jīng)過(guò)訓(xùn)練的生成對(duì)抗網(wǎng)絡(luò)模型中，輸出對(duì)應(yīng)的缺失數(shù)據(jù)填補(bǔ)矩陣；通過(guò)缺失數(shù)據(jù)填補(bǔ)矩陣對(duì)有缺失數(shù)據(jù)的多源異構(gòu)數(shù)據(jù)進(jìn)行填充，以實(shí)現(xiàn)多源異構(gòu)數(shù)據(jù)的融合和清洗。本發(fā)明能夠劃分出有缺失數(shù)據(jù)的多源異構(gòu)數(shù)據(jù)，并且能夠?qū)τ腥笔?shù)據(jù)的多源異構(gòu)數(shù)據(jù)進(jìn)行填充以實(shí)現(xiàn)多源異構(gòu)數(shù)據(jù)的融合和清洗。

本發(fā)明授權(quán)一種基于生成對(duì)抗網(wǎng)絡(luò)的多源異構(gòu)數(shù)據(jù)清洗方法在權(quán)利要求書(shū)中公布了：1.基于生成對(duì)抗網(wǎng)絡(luò)的多源異構(gòu)數(shù)據(jù)清洗方法，其特征在于，包括： S1：獲取變速箱箱體智能生產(chǎn)線的多源異構(gòu)數(shù)據(jù)，并將各多源異構(gòu)數(shù)據(jù)合成為對(duì)應(yīng)的多源異構(gòu)數(shù)據(jù)融合表； S2：通過(guò)聚類分析算法對(duì)多源異構(gòu)數(shù)據(jù)融合表中殘留的冗余數(shù)據(jù)、異常數(shù)據(jù)和缺失數(shù)據(jù)進(jìn)行分析，進(jìn)而確定有缺失數(shù)據(jù)的多源異構(gòu)數(shù)據(jù)； S3：將有缺失數(shù)據(jù)的多源異構(gòu)數(shù)據(jù)輸入經(jīng)過(guò)訓(xùn)練的生成對(duì)抗網(wǎng)絡(luò)模型中，輸出對(duì)應(yīng)的缺失數(shù)據(jù)填補(bǔ)矩陣； 步驟S3中，通過(guò)如下步驟構(gòu)建和訓(xùn)練生成對(duì)抗網(wǎng)絡(luò)模型： S301：選取多層感知神經(jīng)網(wǎng)絡(luò)構(gòu)建生成對(duì)抗網(wǎng)絡(luò)模型的生成模型和判別模型，并初始化生成模型和判別模型的模型參數(shù)； 判別模型由m個(gè)對(duì)應(yīng)屬性特征的判別單元組成，m表示屬性特征數(shù)量；每個(gè)判別單元以屬性特征作為輸入，輸出對(duì)應(yīng)屬性特征的缺失概率； 生成模型由m個(gè)對(duì)應(yīng)屬性特征的生成單元組成，每個(gè)生成單元以需要生成的屬性特征字段作為輸出，將與輸出有關(guān)聯(lián)的其他屬性特征字段作為輸入； S302：構(gòu)建生成模型的真實(shí)數(shù)據(jù)訓(xùn)練集，訓(xùn)練生成模型模擬真實(shí)數(shù)據(jù)各屬性特征之間的映射關(guān)系，同時(shí)訓(xùn)練判別模型學(xué)習(xí)數(shù)據(jù)與數(shù)據(jù)缺失概率之間的映射關(guān)系； S303：通過(guò)訓(xùn)練后的生成模型生成缺失數(shù)據(jù)填補(bǔ)矩陣，通過(guò)訓(xùn)練后的判別模型判別缺失數(shù)據(jù)填補(bǔ)矩陣的數(shù)據(jù)缺失概率； S304：判斷生成模型的生成數(shù)據(jù)結(jié)果和判別模型的判別結(jié)果是否達(dá)到納什均衡：若沒(méi)有達(dá)到納什均衡，則對(duì)生成模型和判別模型的參數(shù)進(jìn)行更新迭代；否則訓(xùn)練結(jié)束； S305：評(píng)估生成對(duì)抗網(wǎng)絡(luò)模型的數(shù)據(jù)清洗性能； S4：通過(guò)缺失數(shù)據(jù)填補(bǔ)矩陣對(duì)有缺失數(shù)據(jù)的多源異構(gòu)數(shù)據(jù)進(jìn)行填充，以實(shí)現(xiàn)多源異構(gòu)數(shù)據(jù)的融合和清洗； 實(shí)驗(yàn)依據(jù)變速箱箱體智能生產(chǎn)線多源異構(gòu)數(shù)據(jù)集的數(shù)據(jù)構(gòu)建屬性特征矩陣，初始化生成模型和判別模型為多層感知模型；隨機(jī)選取9000組數(shù)據(jù)集中的實(shí)驗(yàn)數(shù)據(jù)樣本，在選取的9000組實(shí)驗(yàn)數(shù)據(jù)樣本中隨機(jī)選取200組數(shù)據(jù)樣本的主軸振動(dòng)屬性特征進(jìn)行數(shù)據(jù)缺失和數(shù)據(jù)異常化處理； 屬性特征包括側(cè)面磨損、實(shí)驗(yàn)用時(shí)、切削深度、加工材料、交流主軸電機(jī)電流、直流主軸電機(jī)電流、卡盤(pán)振動(dòng)、主軸振動(dòng)、卡盤(pán)聲發(fā)射、主軸聲發(fā)射。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人重慶大學(xué)，其通訊地址為：400044 重慶市沙坪壩區(qū)沙正街174號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。