-
公开(公告)号：CN113240011B
公开(公告)日：2023-04-07
申请号：CN202110528781.1
申请日：2021-05-14
Applicant: 烟台海颐软件股份有限公司
IPC: G06F18/241 , G06F18/2415 , G06F18/23 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明涉及数据处理领域，具体涉及一种深度学习驱动的异常识别与修复方法及智能化系统。包括以下步骤：S1：数据结构识别，S2：数据特征变换，S3：训练异常检测和修复神经网络，S4：异常数据识别与异常修复，S5：数据特征还原。采用深度学习方法，对每个特征使用双分量混合模型，其中一个分量用于解释干净单元(即正常值)，另一个分量用于解释异常单元(即异常值)；通过降低异常单元的影响来模拟潜在的正常数据分布，为数据单元提供异常值分数和对单元修复的估计；将变分自编码器和生成对抗网络两个深度生成模型进行结合，有利于生成更好的修复结果；最终实现利用无监督学习方式对混合属性数据进行cell‑level(单元级别)的异常识别及修复。
-
公开(公告)号：CN114037203A
公开(公告)日：2022-02-11
申请号：CN202111175431.8
申请日：2021-10-09
Applicant: 烟台海颐软件股份有限公司
Abstract: 本发明涉及一种任务调度方法和系统。所述方法包括预先将任务进行分组并对每一分组分配一个或多个执行服务器；产生属于某一分组的事件，将待执行的环节任务发送到一个执行队列中并通知执行服务器执行该环节任务，执行服务器执行完毕所述执行队列中的所述当前环节任务后，调取一个新环节任务，将其发送到一个新执行队列中并通知所述执行服务器进行加载和执行该新环节任务；循环执行上述步骤直至记录的待执行的环节任务按所述顺序全部执行完毕；基于记载的信息产生新事件或任务调度完毕。
-
公开(公告)号：CN115098188B
公开(公告)日：2024-11-22
申请号：CN202210725506.3
申请日：2022-06-23
Applicant: 烟台海颐软件股份有限公司
IPC: G06F9/445 , G06F9/448 , G06Q10/0631 , G06Q10/10
Abstract: 本发明涉及一种用于不同工作流引擎切换的处理方法和装置。所述装置包括配置中心、一个或多个业务系统、工作流引擎、工作方案建立模块、工作方案运行模块，其中：所述配置中心包括工作流API配置模块、输入参数配置模块、输出参数配置模块、工作流环节参数配置模块、以及预存的多个业务引擎配置信息，每个业务引擎配置信息由一个业务系统和该业务系统所对应的工作流引擎构成；所述业务系统用于通过接口调用来连接工作单API；所述工作方案建立模块用于建立工作方案，在所述工作方案中预先配置对应的工作流引擎的调用顺序；所述工作方案运行模块用于启动工作方案。
-
公开(公告)号：CN117763305A
公开(公告)日：2024-03-26
申请号：CN202311729543.2
申请日：2023-12-15
Applicant: 烟台海颐软件股份有限公司
IPC: G06F18/20 , G06F18/232 , G06F18/243 , G06N3/0442
Abstract: 本发明公开了一种计及行为共性的电力时序数据异常检测与修复方法，包括如下步骤：根据电力时序数据进行行为共性分析，获取到电力时序数据的群体聚类结果；根据电力时序数据计算时序异常得分，生成所有数据的异常得分集合；根据聚类结果和异常得分集合，进行计及行为共性的电力时序数据异常识别；根据异常识别结果和聚类结果，进行计及行为共性的电力时序数据异常修复。本发明从行为共性分析、时序异常评估、异常值修复三方面提出了创新性方案，有效提高了对于电力时序数据的异常检测与修复的准确度，解决了现有方法难以精准识别异常并修复的问题，这一完整流程对电力系统中的智能数据治理具有重要意义。
-
公开(公告)号：CN113240010B
公开(公告)日：2023-10-24
申请号：CN202110528743.6
申请日：2021-05-14
Applicant: 烟台海颐软件股份有限公司
IPC: G06F18/2433
Abstract: 本发明涉及结构化数据异常检测领域，具体涉及一种支持非独立分布混合数据的异常检测方法及系统。包括元数据管理模块，数据集成模块，数据管理模块，任务管理与调度模块，数据关联模块，特征变换模块，模型训练模块，异常评估模块，结果管理模块。基于本算法构建的系统可以适用于结构化混合数据、单纯的分类数据、单纯的数值型数据三种不同目的智能化异常检测，可以极大的提升异常检测的效率和普适性，尤其是在数据治理、工业异常检测应用中。
-
Patent Agency Ranking
公开(公告)号：CN106295983A
公开(公告)日：2017-01-04
申请号：CN201610640829.7
申请日：2016-08-08
Applicant: 烟台海颐软件股份有限公司
CPC classification number: G06Q10/06315 , G06Q10/0637 , G06Q50/06
Abstract: 本发明提供一种应用于电力营销领域的数据可视化统计分析方法及系统，以解决该领域数据统计分析阶段无法对多类型数据源的海量数据进行灵活的可视化分析和数据挖掘的问题。该方法具体是：1.利用大数据技术对多渠道海量数据进行分析2.实现数据源和数据分析流程的可视化设计3. 采用数据统计与数据挖掘融合的方法整合分析结果4. 通过模块化功能的发布分离出设计与应用系统。本发明不再局限于数据源类别，提供了海量数据的处理能力，增强了用电营销统计分析功能的自定义柔性扩展能力，提供了数据分析、数据挖掘建模与预测功能，缩短了软件开发周期，进而提升了用电营销数据统计分析的需求响应能力，有力支撑了业务数据增值应用。
-
公开(公告)号：CN115809274A
公开(公告)日：2023-03-17
申请号：CN202211629856.6
申请日：2022-12-19
Applicant: 烟台海颐软件股份有限公司
IPC: G06F16/2455 , G06F16/23 , G06Q50/06
Abstract: 本发明属于电力系统技术领域，具体涉及一种电力量价费一致性核查规则挖掘方法与系统。所述方法包括：获取核查数据集，计算量价费数据的等价分划；使用深度优先空间搜索策略挖掘数据一致性关系，得到数据中的一致性关系集合；利用得到的一致性关系集合，对量价费一致性关系进行规则解析；通过规则解析，识别出在量价费数据中的罕见数据。本发明将一种新的针对分类型数据的一致性规则挖掘方法应用在电力量价费数据的核查工作中，能主动挖掘出数据中的潜在规则，良好地弥补了以往人工定义规则存在工作量大、耗时长、规则覆盖面不足、只能发现被定义规则覆盖的业务异常数据等短板，辅助业务人员更智能、更全面地完成电力营销量价费数据核查工作。
-
公开(公告)号：CN115098188A
公开(公告)日：2022-09-23
申请号：CN202210725506.3
申请日：2022-06-23
Applicant: 烟台海颐软件股份有限公司
Abstract: 本发明涉及一种用于不同工作流引擎切换的处理方法和装置。所述装置包括配置中心、一个或多个业务系统、工作流引擎、工作方案建立模块、工作方案运行模块，其中：所述配置中心包括工作流API配置模块、输入参数配置模块、输出参数配置模块、工作流环节参数配置模块、以及预存的多个业务引擎配置信息，每个业务引擎配置信息由一个业务系统和该业务系统所对应的工作流引擎构成；所述业务系统用于通过接口调用来连接工作单API；所述工作方案建立模块用于建立工作方案，在所述工作方案中预先配置对应的工作流引擎的调用顺序；所述工作方案运行模块用于启动工作方案。
-
公开(公告)号：CN113240011A
公开(公告)日：2021-08-10
申请号：CN202110528781.1
申请日：2021-05-14
Applicant: 烟台海颐软件股份有限公司
Abstract: 本发明涉及数据处理领域，具体涉及一种深度学习驱动的异常识别与修复方法及智能化系统。包括以下步骤：S1：数据结构识别，S2：数据特征变换，S3：训练异常检测和修复神经网络，S4：异常数据识别与异常修复，S5：数据特征还原。采用深度学习方法，对每个特征使用双分量混合模型，其中一个分量用于解释干净单元(即正常值)，另一个分量用于解释异常单元(即异常值)；通过降低异常单元的影响来模拟潜在的正常数据分布，为数据单元提供异常值分数和对单元修复的估计；将变分自编码器和生成对抗网络两个深度生成模型进行结合，有利于生成更好的修复结果；最终实现利用无监督学习方式对混合属性数据进行cell‑level(单元级别)的异常识别及修复。
-
公开(公告)号：CN113240010A
公开(公告)日：2021-08-10
申请号：CN202110528743.6
申请日：2021-05-14
Applicant: 烟台海颐软件股份有限公司
IPC: G06K9/62
Abstract: 本发明涉及结构化数据异常检测领域，具体涉及一种支持非独立分布混合数据的异常检测方法及系统。包括元数据管理模块，数据集成模块，数据管理模块，任务管理与调度模块，数据关联模块，特征变换模块，模型训练模块，异常评估模块，结果管理模块。基于本算法构建的系统可以适用于结构化混合数据、单纯的分类数据、单纯的数值型数据三种不同目的智能化异常检测，可以极大的提升异常检测的效率和普适性，尤其是在数据治理、工业异常检测应用中。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.045 seconds)
