一种基于物联网的分布式环境安全学习及预警方法

    公开(公告)号:CN109842682A

    公开(公告)日:2019-06-04

    申请号:CN201910100691.5

    申请日:2019-01-31

    Abstract: 一种基于物联网的分布式环境安全学习及预警方法,首先部署温度传感器、湿度传感器、光照传感器、危险气体浓度传感器、体温传感器、心率传感器、血压传感器,采集环境中的温度、湿度、光照强度以及危险气体浓度数据,同时测量人体的体温、心率、血压生理指标,使用对采集到的数据进行关联分析,进而发现数据间的概率关联关系,从而训练出可以预警的分布式环境安全模型。具体来说,使用基于自适应随机图的安全评估方法分析数据概率关联关系,得到分布式环境安全预警模型。本发明根据分布式环境的数据采集结果,自适应训练和调整模型,实现了对环境安全参数的实时检测,并预警潜在的安全问题,保障人员安全。

    一种针对非对齐视图缺失问题的无监督多视图聚类方法

    公开(公告)号:CN116630672B

    公开(公告)日:2025-01-21

    申请号:CN202310700421.4

    申请日:2023-06-14

    Abstract: 一种针对非对齐视图缺失问题的无监督多视图聚类方法,用于多视图数据在PVP和PSP的情况下,所产生的一致性学习不足的情形,提出了HmiMVC。首先通过最大化跨视图互信息来解决PVP问题,实现类别级对齐,而对于PVP问题中的PSP问题,利用对偶预测的思想来预测缺失的数据,同时最小化条件熵,实现了自然的类别级对齐。数据恢复和对齐融合在一个层次化的一致性框架中。HmiMVC对PSP和PVP分别采取了不同的分层对齐策略和方法,但一致性学习反过来又使PSP和PVP学习相互加强。本发明将类别级对齐和实例级恢复对齐进行组合,有效克服了一致性学习不足的问题,显著提升聚类表现。

    一种面向不同土壤化学性质的放牧策略智能优化方法

    公开(公告)号:CN116757074A

    公开(公告)日:2023-09-15

    申请号:CN202310700721.2

    申请日:2023-06-14

    Abstract: 一种面向不同土壤化学性质的放牧策略智能优化方法,根据收集的近几年不同放牧强度土壤碳氮监测数据,对数据进行异常值与缺失值的检测,利用生成的化学性质与放牧强度相关图,预测下一个周期的土壤化学性质数据,结合所述关系系数,得到不同放牧强度对土壤化学性质的影响值,并进行相关分析;采用时间序列预测方法,土壤有机碳、土壤无机碳、土壤全碳、土壤全氮、土壤C/N比五种化学性质作为输入,放牧强度作为输出,最终返回预测结果并选择最适合的放牧策略。本发明通过建立放牧策略与土壤化学性质影响的预测模型,给出面向不同土壤化学性质的放牧策略智能优化的结果,为合理放牧提供更好的策略。

    一种针对非对齐视图缺失问题的无监督多视图聚类方法

    公开(公告)号:CN116630672A

    公开(公告)日:2023-08-22

    申请号:CN202310700421.4

    申请日:2023-06-14

    Abstract: 一种针对非对齐视图缺失问题的无监督多视图聚类方法,用于多视图数据在PVP和PSP的情况下,所产生的一致性学习不足的情形,提出了HmiMVC。首先通过最大化跨视图互信息来解决PVP问题,实现类别级对齐,而对于PVP问题中的PSP问题,利用对偶预测的思想来预测缺失的数据,同时最小化条件熵,实现了自然的类别级对齐。数据恢复和对齐融合在一个层次化的一致性框架中。HmiMVC对PSP和PVP分别采取了不同的分层对齐策略和方法,但一致性学习反过来又使PSP和PVP学习相互加强。本发明将类别级对齐和实例级恢复对齐进行组合,有效克服了一致性学习不足的问题,显著提升聚类表现。

    一种淤地坝防洪预警方法与系统

    公开(公告)号:CN115909662A

    公开(公告)日:2023-04-04

    申请号:CN202211221993.6

    申请日:2022-10-08

    Abstract: 一种淤地坝防洪预警方法,选取水文风险、运行风险和工程风险,构建淤地坝防洪风险评价体系;水文风险指标包括水面到坝顶的距离C1以及有无溢洪道C2;运行风险指标包括剩余淤积年限C3、剩余淤积库容C4以及有无防汛预案C5;工程风险指标包括基础防渗质量C6、坝体防渗质量C7、填筑质量C8、坝肩渗漏C9以及坝体及防渗体渗漏C10;获取淤地坝实时水位,以获取指标C1;确定各类指标的影响因子和划分防洪预警等级;影响因子,是指标对淤地坝防洪风险的影响大小;将影响因子通过加权、归一化得到综合防洪风险得分;确定防洪预警等级。本发明还提供了一种淤地坝防洪预警系统,可使淤地坝防洪预警的操作步骤清晰化,并提高了其智能化。

    一种基于孤立森林与WGAN网络的风电输出功率预测方法

    公开(公告)号:CN113298297A

    公开(公告)日:2021-08-24

    申请号:CN202110503783.5

    申请日:2021-05-10

    Abstract: 本发明一种基于孤立森林与WGAN网络的风电输出功率预测方法,包括基于孤立森林的风电原始数据异常值检测方法,用于自适应检测并剔除海量风电数据中的异常值;以及基于对抗生成网络的缺失值填补方法,用于探索风电数据的变化规律,从而填补风电数据的缺失值和上一步骤中剔除的异常值;以及面向海量风电数据的归一化方法,用于统一风电数据中不同特征的量纲;以及基于门控循环单元网络的风电功率预测方法,用于高精度超短期风电输出功率预测。本发明可高精度还原风电原始数据的缺失值和剔除的异常值,分析风电数据在时间序列上的变化情况,更好地对异常检测后的风电数据进行插值,得到完整的数据集,准确预测超短期风电输出功率。

    一种基于深度学习的网络新闻配图匹配性检测方法

    公开(公告)号:CN109885796B

    公开(公告)日:2020-01-03

    申请号:CN201910075520.1

    申请日:2019-01-25

    Abstract: 本发明提供一种基于深度学习的网络新闻配图匹配性检测方法,该方法包括基于深度学习的新闻配图多描述生成;以及生成新闻配图描述的文字内容与新闻文字内容进行对比评分;对于生成新闻配图描述部分,采用卷积神经网络对新闻配图特征的提取,然后利用自然语言模型生成新闻配图的相关描述;对于评分体系部分,由于生成的图片描述和新闻文字内容长度和表达方式上的差异性,本发明提出解决方案,与改进的BLEU算法形成评分体系。评分体系对生成的图片描述和新闻文字内容进行对比评分,通过评分来判断图片与新闻内容是否相符。因此,可以更快速、更准确地发现图文不符的虚假信息,减少人工审核的时间,节省人力物力,净化网络环境。

    一种基于动态滑动窗口特征评分的谣言深度检测方法

    公开(公告)号:CN109918648A

    公开(公告)日:2019-06-21

    申请号:CN201910095308.1

    申请日:2019-01-31

    Abstract: 本发明提供一种基于动态滑动窗口特征评分的谣言深度检测方法,该方法包括一种基于滑动窗口的特征提取机制,对输入语句的相邻词进行迭代,获取输入语句的显著全局和局部特征,准确地表示文本语义结构;该方法包括特征评分机制,根据输入语句矩阵各列的综合得分,删除与谣言检测几乎没有影响的特征相关的词列,保留关键特征相关的词列;该方法包括基于卷积神经网络的深度谣言检测模型,将动态滑动窗口评分机制得到的文本语义特征作为输入层的输入数据,经卷积计算,提取最大特征值,进行分类,最终提高了谣言检测的准确性。

    一种面向不同土壤化学性质的放牧策略智能优化方法

    公开(公告)号:CN116757074B

    公开(公告)日:2024-12-31

    申请号:CN202310700721.2

    申请日:2023-06-14

    Abstract: 一种面向不同土壤化学性质的放牧策略智能优化方法,根据收集的近几年不同放牧强度土壤碳氮监测数据,对数据进行异常值与缺失值的检测,利用生成的化学性质与放牧强度相关图,预测下一个周期的土壤化学性质数据,结合所述关系系数,得到不同放牧强度对土壤化学性质的影响值,并进行相关分析;采用时间序列预测方法,土壤有机碳、土壤无机碳、土壤全碳、土壤全氮、土壤C/N比五种化学性质作为输入,放牧强度作为输出,最终返回预测结果并选择最适合的放牧策略。本发明通过建立放牧策略与土壤化学性质影响的预测模型,给出面向不同土壤化学性质的放牧策略智能优化的结果,为合理放牧提供更好的策略。

    一种基于Transformer和改进掩码矩阵的风电功率预测方法

    公开(公告)号:CN115330026A

    公开(公告)日:2022-11-11

    申请号:CN202210845311.2

    申请日:2022-07-19

    Abstract: 本发明提供了一种基于Transformer和改进掩码矩阵的风电功率预测方法,该方法将含有缺失值的原始数据与位置矩阵相加,然后与改进掩码矩阵相乘以构造主动缺失,得到带有位置信息和掩码信息的时间序列数据,该时间序列数据作为Transformer中编码器的输入矩阵得到重构数据,计算重构数据中主动缺失部分与原始数据中主动缺失部分之间的损失;根据重构数据和所述位置矩阵,将原始数据中的缺失值插补,当Transformer模型收敛的时候,此时使用重构数据对原始数据插补出来的结果为最终插补的结果;最终利用插补得到的数据集进行风电功能预测。本发明能够在数据集不完整的情况下准确地预测风电功率。

Patent Agency Ranking