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！

龙图腾网获悉厦门简会信息科技有限公司;厦门以讯智创科技有限公司申请的专利一种基于流形学习的分布式实时数据处理方法及装置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：CN121561430B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202610102908.6，技术领域涉及：G06F18/2137；该发明授权一种基于流形学习的分布式实时数据处理方法及装置是由苏毓涵;许进程;庄俊杰;张伯松设计研发完成，并于2026-01-26向国家知识产权局提交的专利申请。

本一种基于流形学习的分布式实时数据处理方法及装置在说明书摘要公布了：本发明涉及电数字数据处理技术领域，特别涉及一种基于流形学习的分布式实时数据处理方法及装置，该方法包括接入多源异构数据，经预处理后映射为节点特征矩阵并流式输出；基于节点特征构建动态图，生成邻接矩阵并实时更新拓扑结构；以动态图结构和流形嵌入为输入，采用图神经网络进行多层信息聚合，输出稳定的节点级或图级推理结果；将各计算单元抽象为协同智能体，监测推理偏差与流行失配程度，主动触发共识过程，通过交换低频结构特征实现分布式一致推理；根据动态图规模、流形维度及模型失配程度，动态调节图神经网络聚合范围与频谱权重；对共识后的推理结果进行汇总与置信度评估；从而实现稳定、鲁棒且可扩展的数据处理与智能决策。

本发明授权一种基于流形学习的分布式实时数据处理方法及装置在权利要求书中公布了：1.一种基于流形学习的分布式实时数据处理方法，其特征在于，包括以下步骤： 获取不同数据源的实时数据集合，并对所述实时数据集合进行时间同步、噪声抑制、缺失补全和尺度归一化处理，同时依据数据类型与业务语义提取节点级特征向量，以得到节点特征矩阵； 根据所述节点特征矩阵中的节点特征之间的相似性、空间邻近性和语义关联关系动态生成并更新图结构，将高维观测数据映射至低维连续流形空间，刻画数据内在关联结构及其演化特性，以得到动态图结构、流形嵌入结果和扰动标记集合； 对所述动态图结构和流形嵌入结果进行处理，采用具有受控频谱响应的图神经网络对所述动态图结构进行多层信息聚合，在聚合过程中增强低频结构信息、抑制由节点扰动与边变化引起的高频不稳定成分，在模型失配条件下得到节点级推理结果和图级推理结果； 在多数据源或多计算节点场景下，将各子系统抽象为协同智能体，以各协同智能体本地节点级推理结果和图级推理结果为基础，监测推理偏差与流形失配程度，主动触发共识过程，通过交换低频结构特征或中间嵌入信息实现分布式一致推理，以得到共识后的中间表示与推理结果； 根据动态图规模、流形维度、分布变化情况、扰动标记集合和模型失配程度动态调节模型聚合范围与频谱权重，在泛化能力与判别能力之间实现自适应平衡，对自适应调节得到的控制参数进行反馈； 对共识后的中间表示与推理结果进行汇总与置信度评估，生成全局一致输出，并对系统运行状态与误差信息进行反馈，以形成闭环优化机制； 其中，采用具有受控频谱响应的图神经网络对所述动态图结构进行多层信息聚合，包括： 在第l层图神经网络中，通过具有受控频谱响应的传播算子对节点信息进行更新，其中，l表示图神经网络的层数； 在图滤波函数中，通过对图频谱进行加权控制，实现低频成分的优先保留； 采用扰动标记集合中的节点特征扰动项与边结构扰动项抑制由节点扰动与边变化引起的高频不稳定成分； 重复上述步骤，以对所述动态图结构进行多层信息聚合； 其中，监测推理偏差与流形失配程度，主动触发共识过程，包括： 对不同协同智能体的推理输出进行持续监测，对任意两个协同智能体，计算其推理偏差； 监测各协同智能体流形嵌入结果之间的结构差异，以得到流形失配程度； 将推理偏差与流形失配程度进行加权融合，以构建综合偏差指标； 当任意两个协同智能体的综合偏差指标大于预设阈值，则主动触发共识协同过程。

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厦门简会信息科技有限公司;厦门以讯智创科技有限公司，其通讯地址为：361000 福建省厦门市湖里区安岭二路88-1号303室之三；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”。

以上内容由龙图腾AI智能生成。