一种基于局部特征异常因子的初馏塔采样数据粗差判别方法

本发明公开一种基于局部特征异常因子的初馏塔采样数据粗差判别方法，通过设计一种局部特征异常因子来量化各个样本数据的异常程度，从而可以将局部特征异常因子较大的样本数据判别为粗差。本发明方法需要先通过为各个样本数据找到多个近邻样本数据，然后以近邻样本数据为参考数据集，通过优化得到能区分该样本数据与其近邻之间差异的局部特征，从而计算得到局部特征异常因子。本发明方法未曾涉及计算马氏距离，而是寻找各个样本数据的近邻样本数据，并通过变换向量最大化两者之间的差异，从而通过局部特征与原点之间的距离来判别各个样本是否为粗差。因此，本发明方法可同时给出样本数据是否为粗差数据及其采样数据集中有多少个粗差数据的判别。

《一种基于局部特征异常因子的初馏塔采样数据粗差判别方法》是一发明专利，专利号为 2021104401932，当前法律状态为已下证，由宁波大学科学技术学院提出申请，发明人为邱思颖;陈杨;虞飞宇，申请日期为2021-04-18，公开（公告）日期为2023-10-03，国际专利分类号（IPC）为 G06V10/764(2022.01)I;G06V10/774(2022.01)I，高新资质：未报高企，所属技术领域包括：数据挖掘与工业过程控制。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明公开一种基于局部特征异常因子的初馏塔采样数据粗差判别方法，通过设计一种局部特征异常因子来量化各个样本数据的异常程度，从而可以将局部特征异常因子较大的样本数据判别为粗差。本发明方法需要先通过为各个样本数据找到多个近邻样本数据，然后以近邻样本数据为参考数据集，通过优化得到能区分该样本数据与其近邻之间差异的局部特征，从而计算得到局部特征异常因子。本发明方法未曾涉及计算马氏距离，而是寻找各个样本数据的近邻样本数据，并通过变换向量最大化两者之间的差异，从而通过局部特征与原点之间的距离来判别各个样本是否为粗差。因此，本发明方法可同时给出样本数据是否为粗差数据及其采样数据集中有多少个粗差数据的判别。

在竞争激烈的市场里，专利从来都不是可有可无的“加分项”，而是企业站稳脚跟、加速发展的“硬通货”。
**买专利，首先是买“资质”。**
它是申报高新技术企业、专精特新企业的核心门槛。有了它，不仅能**助力斩获**政策补贴和税收减免，在招投标时还能稳稳拿下加分项，让您在众多竞争者中脱颖而出。
**专利是企业的“隐形财富”。**
它可以用来**实缴注册资金**，让公司实力一目了然，提升商业信誉；也能作为质押物向银行贷款，盘活现金流，为业务扩张注入动力。
**专利是产品的“金字招牌”。**
在产品包装上印上“专利产品”，客户一眼就能感受到技术实力，信任度自然提升，比打广告更有说服力。同时，它还能构建技术壁垒，防止对手模仿，帮您**抢占市场先机。
与其花两三年自主研发，承担失败风险，不如直接买现成专利。海量优质专利即买即用，让专利真正为企业创造价值！