一种面向卫星遥测多维时序数据的异常检测方法、装置、介质及产品

    公开(公告)号:CN118094425A

    公开(公告)日:2024-05-28

    申请号:CN202410128930.9

    申请日:2024-01-30

    Abstract: 本发明提供了一种面向卫星遥测多维时序数据的异常检测方法、装置、介质及产品,涉及卫星遥测多维时序数据异常检测领域,方法包括:将待检测的卫星遥测多维时序数据输入至异常检测模型中,输出各时刻的融合误差;异常检测模型包括降噪稀疏自编码器以及图注意力网络;降噪稀疏自编码器学习输入的卫星遥测多维时序数据的低维特征,重构卫星遥测多维时序数据,生成重构误差;图注意力网络从因果性和相似性两个层面提取不同重构的卫星遥测多维时序数据之间的相关关系,生成预测误差;生成各时刻的融合误差,判断待检测的卫星遥测多维时序数据是否存在异常;若是,记录异常时间点。本发明能够适用于不同维度的卫星遥测多维时序数据,提高异常检测精度。

    一种遥测数据预测方法、装置、介质及产品

    公开(公告)号:CN118015480A

    公开(公告)日:2024-05-10

    申请号:CN202410096017.5

    申请日:2024-01-23

    Abstract: 本发明公开了一种遥测数据预测方法、装置、介质及产品,涉及航天器遥测数据预测领域。方法包括:获取目标航天器在待测时刻序列中每个时刻不同变量对应的遥测数据,得到每个变量对应的实时遥测数据序列;将多个变量对应的实时遥测数据序列均输入到训练后的多尺度时间卷积网络中,得到实时时间相关性特征;根据多个变量对应的实时遥测数据序列,基于相似度原理和训练后的多头注意力机制,确定实时图结构特征;将实时时间相关性特征和实时图结构特征均输入到训练后的图注意力网络中,得到当前时刻的下一时刻不同变量对应的遥感预测数据。本发明能够同时捕捉遥测数据的时间依赖性和各个变量之间空间依赖性,进而提高航天器遥测数据的预测精度。

    一种基于跨源图像翻译的图像质量评价方法及系统

    公开(公告)号:CN112668621B

    公开(公告)日:2023-04-18

    申请号:CN202011526033.1

    申请日:2020-12-22

    Inventor: 皮德常 骆毅 陈阳

    Abstract: 本发明涉及一种基于跨源图像翻译的图像质量评价方法及系统,将SAR影像输入图像生成模型进行翻译,得到生成可见光影像。其中,图像生成模型是采用训练数据对生成式对抗网络模型进行训练得到的;将所述生成可见光影像与所述可见光影像进行模板匹配,得到图像质量评价结果该指标针对多源图像翻译的任务,通过模板匹配,综合区域间的信息,对翻译的效果做出合理的评判,不仅考虑到翻译图像的语义整体性,同时对图像非像素级对齐的情况有效,进而提高翻译模型的可靠性,有助于提高后续工作的观察精度和准确率,通过图像质量评价能够提高翻译图像的语义整体性改善图像非像素级对齐情况,提高翻译模型的可靠性。

    一种基于协同果蝇算法的多目标云工作流调度方法

    公开(公告)号:CN114461368A

    公开(公告)日:2022-05-10

    申请号:CN202210256579.2

    申请日:2022-03-16

    Inventor: 皮德常 秦烁

    Abstract: 本发明公开了一种基于协同果蝇算法的多目标云工作流调度方法,包括:基于分解策略将问题编码为多个子问题,构造问题空间;采用基于参考点的聚类策略动态地将候选解划分为多个群体,保证候选解良好的分布性;基于非线性权重向量和两个任务分配规则设计了初始化策略来构造问题空间中所有候选解的初始位置;在基于气味的协同觅食策略中嵌入三个邻域操作算子执行全局搜索;在基于视觉的局部搜索策略中应用基于子群体的交叉算子执行局部搜索。本发明的优点是:有机结合了果蝇优化算法与云计算环境中工作流调度的问题特征,克服了传统工作流调度算法计算耗费高、求解精度低、调度方案单一以及资源分配依赖专家知识等一系列困难,通过提供一组互不支配的调度方案使云资源用户根据需求选择合适的调度策略。本发明适用于公有云环境中大型工作流的调度,发明具有普适性。

    多任务选择模型构建方法、多任务选择性维护方法及系统

    公开(公告)号:CN112800678A

    公开(公告)日:2021-05-14

    申请号:CN202110123843.0

    申请日:2021-01-29

    Inventor: 皮德常 徐悦 陈阳

    Abstract: 本发明涉及多任务选择模型构建方法、多任务选择性维护方法及系统,通过将有效寿命衰减模型和风险函数调整模型结合起来,针对多次任务选择性维护建立建模,解决了现有技术中模型只能针对单次任务选择性维护的问题,利用该模型计算系统可靠性和维修成本的精度;通过将多任务选择性维护最优问题规范为离散马尔科夫决策过程,基于强化学习框架调整神经网络结构进行求解,实现了对每个组件在中断期间的最优维修策略和每次维修任务的最优运行时长,提高了维修效率和维修成本,并且有效克服了维数不固定和维数灾难的缺陷。

    一种用于无人机辅助边缘计算的混合优化方法及系统

    公开(公告)号:CN112784362A

    公开(公告)日:2021-05-11

    申请号:CN202110096796.5

    申请日:2021-01-25

    Inventor: 皮德常 陈阳 骆毅

    Abstract: 本发明涉及一种用于无人机辅助边缘计算的混合优化方法及系统,通过以无人机辅助边缘计算模型所需的能耗最小作为目标适应度函数,以仿花授粉算法框架为基准混合人工蜂群算法的概率选择策略对目标适应度函数进行迭代优化求解,并基于个体的适应度值变化和种群多样性判断是否存在早熟收敛现象,使得混合优化算法的全局优化能力更强,从而最优的计算任务卸载、计算资源分配和无人机部署位置方案。本发明计算速率快,计算精度高,适用于解决大规模移动用户设备计算卸载与任务分配的边缘计算服务问题。

    一种基于聚类的差分隐私轨迹数据保护方法

    公开(公告)号:CN110727959A

    公开(公告)日:2020-01-24

    申请号:CN201910976396.6

    申请日:2019-10-15

    Abstract: 本发明公开了一种基于聚类的差分隐私轨迹数据保护方法,包括:为抵御连续查询攻击对类簇中的轨迹位置计数添加拉普拉斯噪音;其次,对类簇中的轨迹位置数据添加半径受限的拉普拉斯噪音,避免了噪音过大影响聚类效果;根据噪音位置数据和噪音位置计数得到类簇的噪音聚类中心;最后,利用差分隐私技术抵御类簇中的非轨迹位置敏感信息攻击。本发明的优点是:将差分隐私技术应用到轨迹聚类分析中;针对每个类簇中的位置数据、聚类中心添加拉普拉斯噪音,避免攻击者通过相邻聚类区域查询得出用户具体的位置数据;添加到轨迹位置中的噪音的大小是受限的,提高了数据可用性;对其它可能导致隐私泄露的信息数据添加拉普拉斯噪音,抵御了相应的推理关联攻击。

Patent Agency Ranking