专利交易市场

一种基于数模联动的多轴运动控制系统异常检测方法，首先，采集多轴运动控制系统的工况信息，并提取工况信息中的时频特征；其次，构建表征多轴运动控制系统健康状态的复合指标；然后，采用随机过程模型建模该复合指标时变演化趋势，并求解复合指标边界阈值来实现异常检测；进而，基于标签预测值和系统实际值的偏差，构建表征异常检测效果的优化目标函数；最后，对多源传感融合函数和随机过程模型中设定的阈值进行反向优化调整，形成复合指标提取和随机过程建模之间的闭环反馈控制，实现复合指标提取与随机过程建模间的有效交叉联动。本发明能够实现多轴运动控制系统发生异常的准确检测，无需了解系统模型的先验知识，可在系统模型完全未知的情况下进行异常检测。

本发明公开了一种基于终身学习和可疑语义传递的APT异常检测方法，包括：S1、采集当前时段的系统日志数据作为当前数据并预处理；S2、建立异常检测模型；S3、将提取的良性系统日志数据的节点和节点间的关系作为异常检测模型的输入，计算重构损失并通过梯度下降法更新模型参数获得训练好的异常检测模型；S4、将下一时段的系统日志数据作为当前数据利用训练好的异常检测模型进行检测，并随着新产生的系统日志数据的输入重复步骤S4进行终身学习，获取对应的APT攻击异常检测结果。该方法能够提高APT异常检测的准确性和效率。

本发明公开了一种基于多模态可学习提示的零样本异常检测方法。方法包括针对正常样本和异常样本状态构建了通用性较强的可学习文本提示嵌入特征，针对视觉编码网络，设计可学习视觉提示向量，并插入到指定视觉编码网络的输入空间，利用视觉语言大模型的视觉编码网络从多个阶段提取输入图像的视觉特征，将获得的多个视觉特征与构建的可学习文本提示嵌入特征计算余弦相似度，通过构建的异常区域计算模块预测待检输入图像的异常区域。本发明提出的可学习文本提示嵌入特征有效降低了提示工程的设计难度，可学习视觉提示向量降低了大模型微调难度，异常检测网络不依赖文本编码网络，极大降低了网络的复杂度，同时提高了异常检测准确率。

本发明提供批处理混合对比学习的跨模态情绪异常检测方法和装置，涉及情绪检测技术领域。包含：S1、获取待检测情绪对象的语音数据和面部视频数据。S2、采用标准的Facet方法从面部视频数据中提取对话过程中的初始面部情绪特征。S3、采用标准的梅尔倒频谱系数提取方法将语音数据转化为梅尔频谱图，获取初始语音情绪特征。S4、分别通过单向长短期记忆神经网络和多层感知机神经网络从初始面部情绪特征和初始语音情绪特征中提取高层面部情绪特征和高层语音情绪特征。S5、将高层面部情绪特征和高层语音情绪特征映射到公共语义特征空间。S6、根据映射到公共语义特征空间的特征，通过双组贝塔混合模型拟合相似度分数，并判断待检测情绪对象的情绪是否异常。

本发明涉及细胞表达谱异常检测领域，具体涉及一种针对单细胞表达谱的智能化异常检测系统。该系统首先获取每个细胞的关于预设调节基因和预设激酶基因的基因表达谱以及两两细胞之间的距离，分析目标细胞的预设调节基因在局部各时刻的基因表达水平的变化趋势情况，获得初始异常特征值，分析目标细胞的预设调节基因和预设激酶基因之间基因表达水平的相关性，并通过获取的相关性参数，对目标细胞的初始异常特征值进行修正，获得真实异常特征值，对目标细胞和其他细胞之间真实异常特征值的差异以及距离进行分析，通过获取的基因表达异常指标，对目标细胞的基因表达谱进行异常检测。本发明能够提高对单细胞的基因表达谱异常检测的准确性。