-
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：CN112163682B
公开(公告)日：2022-05-17
申请号：CN202011118535.0
申请日：2020-10-19
Applicant: 北京邮电大学
Abstract: 本发明实施例提出了一种基于信息差异图模型的电力调度自动化系统故障溯源方法，包括：选取电力调度自动化系统告警前后的历史数据，通过k‑means算法获得聚类中心，将其作为区间划分的端点，每个区间的均值作为连续特征的离散化结果；计算电力调度自动化系统组件的信息熵和组件间的传递熵，建立有无告警段的信息相关矩阵，通过其变化率衡量告警前后的差异程度，并采用归一化技术获得信息差异矩阵；提取电力调度自动化系统告警信息变化较高的特征及特征间的交互信息，进一步构建双向图和节点自信息相结合的信息差异图模型，拟合故障程度指标进行故障程度排序。本发明实施例提供的技术方案，提高电力调度自动化系统故障溯源的性能。
-
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。
-
公开(公告)号：CN111091201A
公开(公告)日：2020-05-01
申请号：CN201911339988.3
申请日：2019-12-23
Applicant: 北京邮电大学
Abstract: 本发明实施例提出了一种基于数据分区混合采样的不平衡集成分类方法，包括：根据少数类邻域中的多数类占比将样本空间划分为四个区域：多数类安全区、少数类安全区、边界区、少数类噪声区，根据每个少数类邻域的多数类占比与其总和的比值生成权值，据此确定每个少数类邻域的合成数目，以随机线性插值方式对边界区少数类进行过采样；对多数类安全区采用随机欠采样，剔除少数类噪声区样本但保留少数类安全区样本，生成平衡数据集；构建三种集成学习模型：偏向多数类的原始模型、局部域加强和削弱模型、偏向外围边界的混合模型，根据放入原始数据集的测试点近邻的不平衡程度，自适应地选择相应的模型。
-
Patent Agency Ranking
公开(公告)号：CN114722947B
公开(公告)日：2024-12-06
申请号：CN202210383775.6
申请日：2022-04-12
Applicant: 北京邮电大学
IPC: G06F18/214 , G06F18/2431 , G06F18/2413 , G06N20/00 , G06Q50/06
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：CN113608968B
公开(公告)日：2023-06-23
申请号：CN202110967252.1
申请日：2021-08-23
Applicant: 北京邮电大学
IPC: G06F11/30
Abstract: 本发明实施例提出了一种基于密度距离综合决策的电力调度监控数据异常检测方法，包括：将电力调度监控历史数据作为输入数据集，通过局部可达距离与核密度估计来计算样本的局部密度；使用自然对数函数作为缩放函数，计算每个样本与其近邻的密度比；通过欧式距离找到每个样本密度比自身大的近邻，计算密度提升距离；将局部密度比与密度提升距离标准化后计算乘积，得到最终的异常分数，并判定数据中的异常样本。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：CN115293221A
公开(公告)日：2022-11-04
申请号：CN202210295273.8
申请日：2022-03-23
Applicant: 北京邮电大学
Abstract: 本发明实施例提出了基于有向密度比变化率的电力调度监控数据异常检测方法，包括：将电力调度监控历史数据作为输入数据集，通过核密度估计与扩展近邻集合来计算样本的局部核密度；结合局部核密度与样本之间的距离向量，计算每个样本与其近邻样本的有向密度比之和；通过有向密度比的二范数计算样本与其近邻的有向密度比的变化率；将不同参数下的有向密度比变化率进行求和，得到每个样本的最终异常分数，据此判定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与稳定性。
-
公开(公告)号：CN113591400A
公开(公告)日：2021-11-02
申请号：CN202110968331.4
申请日：2021-08-23
Applicant: 北京邮电大学
Abstract: 本发明实施例提出了一种基于特征相关性分区回归的电力调度监控数据异常检测方法，包括：将电力调度监控历史数据划分为训练集和测试集，基于皮尔逊相关系数计算训练集特征间的相关系数矩阵；根据计算所得相关系数矩阵对训练集进行特征子空间的划分；根据特征子空间内特征相关程度的高低选择特征作为伪标签，剩余特征作为预测属性，基于支持向量回归SVR训练用于预测伪标签的回归模型；对测试集进行与训练集相同的特征子空间划分，并使用对应的回归模型计算各特征子空间中测试集样本的异常程度；根据特征子空间内相关程度计算所对应的权重；根据加权后集成的最终异常分数获得测试集样本的检测结果。
-
公开(公告)号：CN112163682A
公开(公告)日：2021-01-01
申请号：CN202011118535.0
申请日：2020-10-19
Applicant: 北京邮电大学
Abstract: 本发明实施例提出了一种基于信息差异图模型的电力调度自动化系统故障溯源方法，包括：选取电力调度自动化系统告警前后的历史数据，通过k‑means算法获得聚类中心，将其作为区间划分的端点，每个区间的均值作为连续特征的离散化结果；计算电力调度自动化系统组件的信息熵和组件间的传递熵，建立有无告警段的信息相关矩阵，通过其变化率衡量告警前后的差异程度，并采用归一化技术获得信息差异矩阵；提取电力调度自动化系统告警信息变化较高的特征及特征间的交互信息，进一步构建双向图和节点自信息相结合的信息差异图模型，拟合故障程度指标进行故障程度排序。本发明实施例提供的技术方案，提高电力调度自动化系统故障溯源的性能。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.028 seconds)
