公开(公告)号：CN116011513A

公开(公告)日：2023-04-25

申请号：CN202211626268.7

申请日：2022-12-15

Applicant: 吉林大学

Inventor： 周求湛 ,  李媛媛 ,  王聪 ,  荣静 ,  冀泽宇 ,  刘志宏

IPC: G06N3/0464 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的不平衡数据能耗分解方法，所述方法首先将数据集进行处理，然后通过一维卷积层进行特征提取，最后通过lstm层进行负荷分解。本发明针对目前不平衡数据集负荷分解准确率较低的现状，提供了一种基于深度学习的不平衡数据的能耗分解方法，该方法通过将不平衡数据集转换为平衡数据集，进而对其进行负荷分解，极大提高了不平衡数据集负荷分解的准确度。

公开(公告)号：CN116129314A

公开(公告)日：2023-05-16

申请号：CN202310060682.4

申请日：2023-01-16

Applicant: 吉林大学

Inventor： 周求湛 ,  刘志宏 ,  牟岩

IPC: G06V20/40 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80

Abstract: 本发明公开了一种基于多源信息融合的周界入侵识别方法，所述方法包括如下步骤：步骤S1：搭建基于多传感器的数据采集系统；步骤S2：通过步骤S1搭建的数据采集系统采集环境信号和入侵目标信号，通过小波阈值去噪、图像增强的方式建立入侵目标和环境噪声的样本数据库；步骤S3：对步骤S2构建的样本数据库，通过多域特征提取算法提取样本数据库的环境数据和目标数据的特征值；步骤S4：将步骤S3构建的不同类型特征值利用融合网络进行多特征融合，最后送入目标识别算法，判断当前是否入侵。本发明的方法结合图像、声音和振动传感器构建目标识别技术，弥补了图像传感器被遮挡破坏时系统无法正常工作的问题，提高了周界预警系统的容错能力。