-
公开(公告)号：CN114781495B
公开(公告)日：2024-12-13
申请号：CN202210348671.1
申请日：2022-04-01
Applicant: 北京邮电大学
IPC: G06F18/2431 , G06F18/214 , G06N3/0475 , G06N3/045 , G01R35/04
Abstract: 本发明实施例提出了一种基于样本全局再平衡的智能电表故障分类方法，包括：将智能电表不同类别下的故障历史数据作为输入数据集，划分得到多个二类数据集；针对每个二类数据集，构建VAE与GAN的融合模型，分别将每个样本作为模型的输入，将其隐编码划分为重要特征编码和次要特征编码；通过隐编码重构技术得到其变异隐编码，经解码器还原、互信息约束与判别器对抗，生成多个考虑输入样本重要特征的可靠相似变异样本；设计作用于两类样本隐编码之间的特征斥力技术进行有监督的特征表示学习；通过混合编码技术叠加样本各维度重构误差作为重要特征编码的补充，据此判定待测样本在每个二类数据集下的分类结果，通过硬投票得到其故障类别。
-
公开(公告)号：CN115099306A
公开(公告)日：2022-09-23
申请号：CN202210569747.3
申请日：2022-05-24
Applicant: 北京邮电大学
IPC: G06K9/62
Abstract: 本发明实施例提出了一种基于多标签置信度比较的智能电表故障分类方法，包括：对智能电表不同故障类别下的历史数据进行划分，得到多个二类数据集，作为输入数据；遍历各二类数据集中的每个样本，将其作为目标样本并在该样本的近邻样本池中进行多次随机采样，构成多个差异化的目标‑近邻样本对；基于由大量目标‑近邻样本对组成的扩充后的新数据集，构建多标签信任判别网络在目标‑近邻样本对内开展目标样本与对照样本组之间的多标签置信度比较；在测试阶段，对于任一待测样本，任意组合其多个不同的对照样本组得到该测试样本的多个目标‑近邻样本对，集成各组预测结果进行反向推理得到在每个二类数据集下的判别结果，通过软投票得到故障类别。
-
Patent Agency Ranking
公开(公告)号：CN114816814A
公开(公告)日：2022-07-29
申请号：CN202210293314.X
申请日：2022-03-23
Applicant: 北京邮电大学
Abstract: 本发明实施例提出了一种基于迁移学习的双层动态加权磁盘异常检测方法，包括：收集磁盘SMART信息并对磁盘数据集进行属性特征筛选，之后对其进行指数平滑处理得到稳定磁盘数据集，并提取出目标域磁盘数据集以及多个源域磁盘数据集；计算磁盘数据集源域样本与目标域样本的初始权重；训练各源域对应的迁移模型；加权集成各源域所得模型结果，实现对目标域磁盘的故障检测；随着目标域型号磁盘的不断运行，根据所增加新数据样本，进一步提高磁盘异常检测性能；本发明实施例提供的技术方案，能有效提高新投入磁盘的故障检测效果。
-
公开(公告)号：CN114722940A
公开(公告)日：2022-07-08
申请号：CN202210363323.1
申请日：2022-04-07
Applicant: 北京邮电大学
IPC: G06K9/62
Abstract: 本发明实施例提出了一种基于近邻样本对构造的智能电表故障分类方法，包括：将智能电表不同类别下的故障历史数据作为输入数据集，划分得到多个二类数据集；针对每个二类数据集，将每个样本作为目标样本，从其近邻样本池中进行多次随机采样，获得等量的多个同类和异类对照样本组，分别与目标样本组合后得到多个近邻样本对，作为后续分类任务中的正样本或负样本；基于平衡的近邻样本对数据集，构建基于对比学习的模式判别网络用于目标样本与对照样本组的标签匹配任务；对于给定测试样本，任意组合与其对应的不同类别的对照样本组得到大量近邻样本对，经结果集成和逆向推理得到分类器在每个二类数据集下的判别结果，通过软投票得到其故障类别。
-
公开(公告)号：CN112562771B
公开(公告)日：2022-07-26
申请号：CN202011564817.3
申请日：2020-12-25
Applicant: 北京邮电大学
IPC: G11C29/12
Abstract: 本发明实施例提出了一种基于邻域分区与隔离重构的磁盘异常检测方法，包括：收集磁盘SMART信息并筛选出有效的磁盘特征属性组成数据集，对其进行指数平滑处理得到磁盘训练集；多次随机采样训练集获得多个子训练集，在子集中以各点距其最近点的距离为半径构建磁盘特征隔离区域，将不属于任何区域的测试点作为全局异常；对于非全局异常的测试点，将其连续两个近邻点所在区域半径比作为该测试点在此区域的前异常值；包含测试点后重新构建区域，将测试点所处区域重构前后的半径比作为该测试点在此区域的后异常值；结合测试点所处所有区域的前后异常值得到异常分数，本发明实施例提供的技术方案，能有效提高异常磁盘召回率。
-
公开(公告)号：CN114722947A
公开(公告)日：2022-07-08
申请号：CN202210383775.6
申请日：2022-04-12
Applicant: 北京邮电大学
Abstract: 本发明实施例提出了一种基于近邻搜索分簇的电力调度监控数据异常检测方法，包括：将带正异常标签的电力调度监控历史数据作为训练数据集输入，通过计算样本之间的欧氏距离寻找异常样本在特征空间中的k个近邻；通过异常样本的近邻标签确定该样本是否为噪声或属于某个异常样本簇，并在该样本近邻中依次迭代搜索直到不再找到更多的属于该簇的异常样本；对分簇后的数据过滤噪声并计算每个簇中需要生成的异常样本数量，据此利用SMOTE线性插值在各个簇内合成新样本以平衡数据集；使用平衡后的数据集训练随机森林模型，以检测电力调度监控数据中的异常样本。本发明实施例提供的技术方案，能够提升电力调度监控数据异常检测的准确率。
-
公开(公告)号：CN112562771A
公开(公告)日：2021-03-26
申请号：CN202011564817.3
申请日：2020-12-25
Applicant: 北京邮电大学
IPC: G11C29/12
Abstract: 本发明实施例提出了一种基于邻域分区与隔离重构的磁盘异常检测方法，包括：收集磁盘SMART信息并筛选出有效的磁盘特征属性组成数据集，对其进行指数平滑处理得到磁盘训练集；多次随机采样训练集获得多个子训练集，在子集中以各点距其最近点的距离为半径构建磁盘特征隔离区域，将不属于任何区域的测试点作为全局异常；对于非全局异常的测试点，将其连续两个近邻点所在区域半径比作为该测试点在此区域的前异常值；包含测试点后重新构建区域，将测试点所处区域重构前后的半径比作为该测试点在此区域的后异常值；结合测试点所处所有区域的前后异常值得到异常分数，本发明实施例提供的技术方案，能有效提高异常磁盘召回率。
-
-
-
-
-
-
Search Results
17
records
(took 0.023 seconds)
