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！

龙图腾网恭喜朗坤智慧科技股份有限公司申请的专利一种工业多项目多层级的指标计算方法、系统、设备及存储介质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：CN119721500B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202510220523.5，技术领域涉及：G06Q10/063；该发明授权一种工业多项目多层级的指标计算方法、系统、设备及存储介质是由袁存发;赵剑之;张强;周洋;刘旭莹设计研发完成，并于2025-02-27向国家知识产权局提交的专利申请。

本一种工业多项目多层级的指标计算方法、系统、设备及存储介质在说明书摘要公布了：本发明涉及业务数据处理技术领域，公开了一种工业多项目多层级的指标计算方法、系统、设备及存储介质，包括：从不同的工业项目和层级中收集多维度数据，并进行预处理；利用预处理后的数据，建立分析模型，分析各数据指标之间的依赖关系；基于分析后的依赖关系，形成初始的层级结构，并根据数据和业务需求，自动调整层级结构；对计算路径选择和资源分配进行优化。通过动态分析数据之间的依赖关系，形成并自动调整层级结构，使系统能够灵活应对复杂的工业数据处理需求。优化了计算路径选择和资源分配，提高了数据处理的效率和决策的准确性。显著提升了工业多项目多层级指标计算的智能化和实用性。

本发明授权一种工业多项目多层级的指标计算方法、系统、设备及存储介质在权利要求书中公布了：1.一种工业多项目多层级的指标计算方法，其特征在于，包括：从不同的工业项目和层级中收集多维度数据，并进行预处理；利用预处理后的数据，建立分析模型，分析各数据指标之间的依赖关系；基于分析后的依赖关系，从分析模型中提取各指标之间的依赖关系；依赖关系包括，依赖关系的强度和依赖关系的方向性；依赖关系的强度包括，相关性系数和互信息；依赖关系的方向性包括，因果关系方向；将依赖关系数据结构化，生成一个依赖矩阵，公式表示为： 其中，R表示依赖矩阵，Rij表示指标i对指标j的依赖程度，每个Rij都是一个综合了依赖强度和方向性的复合值，可以进一步表示为：Rij＝[ρij,Iij,Dij]其中，ρij表示指标i和指标j之间的相关性系数，Iij表示指标i和指标j之间的互信息，Dij表示指标i对指标j的因果关系方向性，基于所述依赖矩阵，使用凝聚层次聚类对指标进行聚类，将具有强依赖关系的指标聚合在同一层级中，形成初始层级结构；将依赖矩阵设为一个加权图的邻接矩阵，其中节点代表指标，边的权重代表指标之间的依赖关系，构建加权图的度矩阵；度矩阵的公式表示为： 其中，表示节点i的度矩阵的第i行第i列的元素，n表示总的指标数量，Rij表示指标i对指标j的依赖程度，α表示调节参数，1-Rij表示依赖程度的逆；将加权图的拉普拉斯矩阵定义为度矩阵和依赖矩阵的差，对拉普拉斯矩阵进行归一化处理，得到对称归一化的拉普拉斯矩阵，公式表示为： 其中，表示对称归一化拉普拉斯矩阵；D*表示度矩阵，D*-12表示优化后的度矩阵D*的逆平方根矩阵；L*表示优化后的拉普拉斯矩阵；计算归一化拉普拉斯矩阵的特征值和特征向量，选择最小的k个特征值的特征向量，构成特征矩阵，公式表示为： 其中，U*表示的最终特征矩阵，argmin表示找到使目标函数最小化的值，Tr·表示矩阵的迹运算，UT表示矩阵U的转置矩阵，表示对称归一化拉普拉斯矩阵，U表示过程特征矩阵，UTU＝I表示正交约束条件，δ表示正则化参数，k表示特征矩阵中的特征向量数量；ui表示过程特征矩阵的第i个特征向量，表示向量ui的梯度，表示向量ui梯度的平方范数；将特征矩阵的每一行视为一个新的数据点，使用K-means聚类算法，将这些数据点分为k个聚类；K-means聚类的结果为层级划分，每个聚类代表一个层级，生成初始的层级结构；每个层级包含聚类算法分配的指标组，确保这些指标之间具有强依赖性，形成初始的层级结构；将层级结构表示为层级矩阵，公式表示为： 其中，表示优化后的层级矩阵中第i个指标属于第k个层级的隶属度；表示第i个指标在优化后的特征矩阵U*中的向量表示；ck表示第k个聚类的中心向量，表示特征向量与聚类中心ck之间的欧氏距离的平方，σ2表示高斯核函数的带宽参数的平方，表示高斯核函数；cl表示第l个聚类中心向量；根据数据和业务需求，设置依赖强度的动态阈值τ，只有依赖强度超过τ的指标对才会被考虑为同一层级；依赖强度的动态阈值的公式表示为： 其中，Θτ表示依赖强度的动态阈值调整函数，τ表示依赖强度的阈值，Rij表示依赖矩阵；表示经过平滑处理的逻辑回归函数，η表示平滑参数，表示逻辑回归函数的逆运算；Θτ的值阈为0到1；使用交叉验证和AB测试对层级结构进行验证，确保其合理性和稳健性，公式表示为： 其中，表示交叉验证损失函数，表示对交叉验证的结果进行平均，n表示交叉验证的折数；表示迹运算，Ui表示第i折中的特征矩阵，表示第i折中的特征矩阵的转置，表示对称归一化拉普拉斯矩阵，δ表示正则化参数，表示特征向量uj的梯度范数的平方，Θτ表示依赖强度的动态阈值调整函数； 的值阈为0到正无穷，值越小层级结构的拟合效果越好；对各个层级的验证结果进行分类，当的值都低于预设的全局阈值时，判定该层级结构通过验证，进入下一步调整；当其中某层的验证结果超过全局阈值时，判定该层级结构为需调整项，进行重新调整；当的值均全局接近阈值，但依赖强度大于预设的上限值时，判定该层级对整体结构的依赖性过强，导致系统的单点失效；在完成各个层级的验证结果进行分类与对超过全局阈值的层级结构进行重新调整后，对整个层级结构进行全局优化，并触发二次验证机制，重新使用交叉验证和AB测试对层级结构进行验证，实现层级结构的自动调整；基于调整后的层级结构，对计算路径选择和资源分配进行优化。

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朗坤智慧科技股份有限公司，其通讯地址为：210005 江苏省南京市鼓楼区汉中路2号亚太商务楼31层；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”。