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)獲悉遼寧省網(wǎng)聯(lián)數(shù)字科技產(chǎn)業(yè)有限公司申請(qǐng)的專利基于人工智能的投標(biāo)行為異常檢測(cè)方法及系統(tǒng)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：CN120449056B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-05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：202510916355.3，技術(shù)領(lǐng)域涉及：G06F18/2433；該發(fā)明授權(quán)基于人工智能的投標(biāo)行為異常檢測(cè)方法及系統(tǒng)是由張汪洋;陳洪嶺;劉林;李宇超;李志強(qiáng)設(shè)計(jì)研發(fā)完成，并于2025-07-03向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于人工智能的投標(biāo)行為異常檢測(cè)方法及系統(tǒng)在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了基于人工智能的投標(biāo)行為異常檢測(cè)方法及系統(tǒng)，方法包括數(shù)據(jù)采集、異常評(píng)分、投標(biāo)聚類優(yōu)化和投標(biāo)行為異常檢測(cè)。本發(fā)明屬于異常檢測(cè)領(lǐng)域，具體是指基于人工智能的投標(biāo)行為異常檢測(cè)方法及系統(tǒng)，本方案通過(guò)雙范疇特征構(gòu)建進(jìn)行互補(bǔ)檢測(cè)，全面評(píng)估投標(biāo)行為，提高異常檢測(cè)的全面性；設(shè)定異常評(píng)分反映投標(biāo)樣本的異常程度，有效區(qū)分正常和異常投標(biāo)行為；通過(guò)熵調(diào)諧與極端修正，抑制極端噪聲的最優(yōu)閾值，減少誤報(bào)漏報(bào)；引入最大占比懲罰，確保少數(shù)異常樣本不會(huì)影響正常投標(biāo)行為；基于分離度項(xiàng)與搜索策略，防止陷入局部最優(yōu)，保證最終異常檢測(cè)結(jié)果的可靠性。

本發(fā)明授權(quán)基于人工智能的投標(biāo)行為異常檢測(cè)方法及系統(tǒng)在權(quán)利要求書(shū)中公布了：1.基于人工智能的投標(biāo)行為異常檢測(cè)方法，其特征在于：該方法包括以下步驟： 步驟S1：數(shù)據(jù)采集；采集歷史投標(biāo)記錄數(shù)據(jù)，構(gòu)造策略范疇和行為范疇特征；對(duì)特征每維分別做標(biāo)準(zhǔn)化處理，得到投標(biāo)樣本集，并采用滑動(dòng)窗口將投標(biāo)樣本集分為投標(biāo)樣本子集； 步驟S2：異常評(píng)分；對(duì)投標(biāo)樣本子集進(jìn)行密度峰值聚類處理，基于異常評(píng)分判定投標(biāo)行為樣本是否正常； 步驟S3：投標(biāo)聚類優(yōu)化；基于優(yōu)化粒子群對(duì)密度峰值聚類使用的截?cái)嗑嚯x、簇中心選擇閾值和最小簇大小進(jìn)行調(diào)優(yōu)； 步驟S4：投標(biāo)行為異常檢測(cè)；基于粒子個(gè)體位置得到密度峰值聚類處理結(jié)果，進(jìn)行投標(biāo)行為異常檢測(cè)； 在步驟S3中，所述投標(biāo)聚類優(yōu)化具體包括以下步驟： 步驟S31：適應(yīng)度函數(shù)設(shè)計(jì)；構(gòu)建熵調(diào)諧項(xiàng)，并引入異常修正項(xiàng)，表示為：；；；；其中，V是異常評(píng)分總劃分區(qū)間數(shù)量，v是區(qū)間索引；是第v個(gè)區(qū)間的樣本比例；是極端異常修正項(xiàng)的權(quán)重系數(shù)；M是總維度數(shù)；N是總樣本數(shù)，n是樣本索引；是第n個(gè)樣本第m維度的特征值；abs·是取絕對(duì)值；I·是指示函數(shù)；是極端閾值；是歸一化熵；是樣本異常調(diào)節(jié)值；和分別是樣本異常調(diào)節(jié)值的最小值和最大值；是行為歸一化熵值；構(gòu)建最大占比懲罰項(xiàng)，表示為：；構(gòu)建分離度項(xiàng)，表示為：；最終適應(yīng)度函數(shù)表示為：；；其中，和分別是正常行為樣本和異常行為樣本在異常評(píng)分上的均值向量；F是個(gè)體適應(yīng)度值；、和是子項(xiàng)權(quán)重系數(shù)； 步驟S32：粒子種群初始化；基于密度峰值聚類使用的截?cái)嗑嚯x、簇中心選擇閾值和最小簇大小建立參數(shù)搜索范疇；隨機(jī)初始化粒子位置； 步驟S33：粒子位置更新；引入角度與幅度控制，所用公式為：；；；；；其中，和分別是第i個(gè)粒子在第t+1次迭代和第t次迭代后更新的位置；和是振幅系數(shù)，控制搜索方向；是全局最優(yōu)位置；是群體均值位置；是搜索尺度；是搜索角度；a是角度控制系數(shù)；rand是均勻采樣于[0,1]的隨機(jī)數(shù)；RC是半徑控制系數(shù)； 步驟S34：劣質(zhì)角度調(diào)制；對(duì)于適應(yīng)度值最低的20%個(gè)體進(jìn)行二次更新，并引入角度調(diào)制；所用公式為：；其中，是劣質(zhì)角度調(diào)制后的位置；是調(diào)制角度； 步驟S35：自適應(yīng)更新；對(duì)于，更新采用；對(duì)于RC，更新采用；對(duì)于，更新采用；其中，、和分別是初始角度系數(shù)、初始半徑系數(shù)和初始角度；是最大迭代次數(shù)；是衰減指數(shù)；是指數(shù)衰減速率；和分別是最大調(diào)制角度和最小調(diào)制角度； 步驟S36：優(yōu)化判定；設(shè)定最大迭代次數(shù)與適應(yīng)度閾值，當(dāng)存在粒子個(gè)體適應(yīng)度值高于適應(yīng)度閾值，則優(yōu)化結(jié)束；若達(dá)到最大迭代次數(shù)，則返回至步驟S32；否則繼續(xù)迭代更新。

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)人遼寧省網(wǎng)聯(lián)數(shù)字科技產(chǎn)業(yè)有限公司，其通訊地址為：110031 遼寧省沈陽(yáng)市皇姑區(qū)北陵大街34-3號(hào)15樓；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)”。