一种基于模糊集的工业设备异常检测方法

    公开(公告)号:CN110084326B

    公开(公告)日:2022-12-06

    申请号:CN201910394398.4

    申请日:2019-05-13

    Applicant: 东北大学

    Abstract: 本发明涉及工业设备异常检测技术领域,提供一种基于模糊集的工业设备异常检测方法。首先利用异常知识树构建工业设备的异常检测模型;然后,根据用户需求配置属性集、属性的数据流、时间窗口的大小、属性的隶属度函数与聚合函数,得到叶子节点的异常度;接着,根据属性之间的皮尔逊相关性系数对属性聚类并计算叶子节点的权重;然后,将类簇中涉及到的叶子节点聚合成非叶子节点,再将非叶子节点聚合成根节点;用户根据需求选择模型参数后,基于Storm实时计算系统,构建异常检测模型的流处理的拓扑结构,可视化工业设备在不同时间窗口内的异常程度结果。本发明能够对工业设备的异常进行实时检测,且能够实现对不同粒度数据的异常检测。

    一种基于概率的大数据查询方法

    公开(公告)号:CN105117442B

    公开(公告)日:2018-05-04

    申请号:CN201510492377.8

    申请日:2015-08-12

    Applicant: 东北大学

    Abstract: 本发明公开一种基于概率的大数据查询方法,属于数据库技术领域。该方法包括:根据数据模型,对具有多个属性的数据集进行划分的步骤;将划分后的数据集按照数据概率放置模型进行装载的步骤;对数据集进行概率查询的步骤。该方法为一种近似完整性的查询方法,通过适当地损失查询完整性来提高数据的查询性能;通过一种基于概率的数据放置模型,实现了数据的概率放置以及数据在各个存储文件存在概率的求解;通过一种启发式数据查询方法,使得数据库系统可以通过查全概率来查询数据;且通过概率计算保证了概率查询的查询误差。

    一种存算显全局可配置的数据分析软件架构设计方法

    公开(公告)号:CN109976729B

    公开(公告)日:2021-10-22

    申请号:CN201910367895.5

    申请日:2019-05-05

    Applicant: 东北大学

    Abstract: 本发明提供一种存算显全局可配置的数据分析软件架构设计方法,涉及软件系统架构技术领域。该方法将数据分析软件架构分为界面层、分析层、数据访问层和插件层,并将数据访问层、分析层、界面层三层的总和命名为存算显层;界面层为软件使用人员提供交互式操作的可视化界面;分析层负责执行算法数据分析,以及处理软件系统的业务逻辑;数据访问层根据数据分析需求从数据存储介质中获取数据并传入到分析层;插件层提供软件开发人员配置数据和算法的方式,解析上述数据和算法的配置,并提供解析结果的接口;本发明提供的数据分析软件架构设计方法,使设计的软件架构满足使用友好、扩展性好、维护性强、可用性高的软件架构设计的初衷。

    一种具有多维信息的海量数据查询方法

    公开(公告)号:CN103425772A

    公开(公告)日:2013-12-04

    申请号:CN201310350126.7

    申请日:2013-08-13

    Applicant: 东北大学

    Abstract: 一种具有多维信息的海量数据查询方法,涉及数据挖掘领域。对具有多维信息的海量数据的维信息进行装载;对海量数据进行装载;采用联机数据分析OLAP的方法对海量数据进行查询。本发明一种具有多维信息的海量数据查询方法,通过维编码的方法来组织具有多维信息的海量数据、利用数据分块存储的方法简化了数据块的寻址、通过中间变量(即分析路径)的方式,快速地实现维层级的转化、通过了基于数据块选择的方法进行数据的筛选,仅针对实际参与的数据进行计算和处理。

    一种用于源代码的函数智能重命名方法

    公开(公告)号:CN112783505B

    公开(公告)日:2023-07-18

    申请号:CN202110120098.4

    申请日:2021-01-28

    Applicant: 东北大学

    Abstract: 本发明提供一种用于源代码的函数智能重命名方法,涉及深度强化学习技术领域。该方法首先对源代码进行词化占位符机制的结构化预处理,再构建生成函数名的强化学习actor网络,actor网络包含混合注意和复制机制的编解码结构,生成构成函数名的多个子词;同时定义强化学习acto网络生成函数名的奖励函数;构建生成函数名的强化学习critic网络;critic网络采用奖励函数对actor网络生成的函数名进行打分评价,反馈给actor网络一个时间差分值,来训练actor网络,直到时间差分值收敛到指定阈值;最后测试生成函数名的actor网络。该方法采用神经网络和强化学习方法自动生成函数名称,不仅可以维护源代码,而且可以用于使用自然语言查询和代码分类来提高代码搜索的性能。

    一种基于模糊集的工业设备异常检测方法

    公开(公告)号:CN110084326A

    公开(公告)日:2019-08-02

    申请号:CN201910394398.4

    申请日:2019-05-13

    Applicant: 东北大学

    Abstract: 本发明涉及工业设备异常检测技术领域,提供一种基于模糊集的工业设备异常检测方法。首先利用异常知识树构建工业设备的异常检测模型;然后,根据用户需求配置属性集、属性的数据流、时间窗口的大小、属性的隶属度函数与聚合函数,得到叶子节点的异常度;接着,根据属性之间的皮尔逊相关性系数对属性聚类并计算叶子节点的权重;然后,将类簇中涉及到的叶子节点聚合成非叶子节点,再将非叶子节点聚合成根节点;用户根据需求选择模型参数后,基于Storm实时计算系统,构建异常检测模型的流处理的拓扑结构,可视化工业设备在不同时间窗口内的异常程度结果。本发明能够对工业设备的异常进行实时检测,且能够实现对不同粒度数据的异常检测。

    一种基于多维渐增数据模型的数据查询方法

    公开(公告)号:CN105677840B

    公开(公告)日:2019-02-05

    申请号:CN201610005893.8

    申请日:2016-01-06

    Applicant: 东北大学

    Abstract: 本发明一种基于多维渐增数据模型的数据查询方法,属于数据查询技术领域,本发明将某些频繁出现的键建立成为集合空间中的维,并根据值(value)在维上进行分段,而对于那些出现次数较少的键定义为平凡键,通过这样的方式,所有的数据都会被组织成一个高维的模型,简称为key‑cube(键立方);在查询过程中,符合查询条件的数据会被锁定在相关的cell(单元格)之中,因此查询的范围大大的减小了;其次这个数据模型具有一定的适应性会根据数据中键值对出现的次数从而做出相应的反应;这个key‑cube是渐增式的,随着键值中数据的增多,此模型会根据键的频繁程度拓展出新的维,从而形成新的key‑cube。

    支持情感舒缓的音乐情绪深度分析和推荐方法及系统

    公开(公告)号:CN118626670A

    公开(公告)日:2024-09-10

    申请号:CN202410753096.2

    申请日:2024-06-12

    Applicant: 东北大学

    Abstract: 本发明提供一种支持情感舒缓的音乐情绪深度分析和推荐方法及系统,涉及人工智能和音乐情感识别技术领域。通过收集用户的音乐数据、场景数据和基本心理信息数据,提出准确高效的音乐情感识别技术,可以根据用户的个性化需求和情感状态,为用户提供更准确、更个性化的音乐推荐和生成服务。通过深度理解用户需求、创新的音乐生成能力和情绪映射关系的挖掘,推荐或是生成能够引发用户情感共鸣的音乐作品,从而提升用户的听觉体验和情感满足,该系统旨在通过精准的音乐情绪分析和个性化推荐,旨在为用户提供一种全新的音乐享受方式,让用户在享受音乐的同时,也能感受到音乐带来的情感支持和舒缓效果。

    一种面向对象代码的视在能耗评估方法

    公开(公告)号:CN108459968B

    公开(公告)日:2021-05-18

    申请号:CN201810260914.X

    申请日:2018-03-28

    Applicant: 东北大学

    Abstract: 本发明提供一种面向对象代码的视在能耗评估方法,涉及代码能耗评估技术领域。该方法以面向对象代码为研究对象,从面向对象编程特性和程序编译的角度,定义通过累加代码特征的能耗得到的代码能耗为视在能耗,并统计分析相关方法和类的数据,提出面向对象代码的能耗评估方法。本发明能够有效比较不同代码之间的能耗差异,有利于评估代码级的能耗,有助于开发人员更好的评估和设计低能耗的代码,在绿色代码领域有着实际应用价值。

    一种基于多维渐增数据模型的数据查询方法

    公开(公告)号:CN105677840A

    公开(公告)日:2016-06-15

    申请号:CN201610005893.8

    申请日:2016-01-06

    Applicant: 东北大学

    CPC classification number: G06F17/30333 G06F17/30584

    Abstract: 本发明一种基于多维渐增数据模型的数据查询方法,属于数据查询技术领域,本发明将某些频繁出现的键建立成为集合空间中的维,并根据值(value)在维上进行分段,而对于那些出现次数较少的键定义为平凡键,通过这样的方式,所有的数据都会被组织成一个高维的模型,简称为key-cube(键立方);在查询过程中,符合查询条件的数据会被锁定在相关的cell(单元格)之中,因此查询的范围大大的减小了;其次这个数据模型具有一定的适应性会根据数据中键值对出现的次数从而做出相应的反应;这个key-cube是渐增式的,随着键值中数据的增多,此模型会根据键的频繁程度拓展出新的维,从而形成新的key-cube。

Patent Agency Ranking