-
公开(公告)号：CN119181003A
公开(公告)日：2024-12-24
申请号：CN202410638257.3
申请日：2024-05-22
Applicant: 北京邮电大学 , 国网冀北电力有限公司计量中心 , 国家电网有限公司
Abstract: 本发明提出一种基于多模态融合的目标检测与决策方法、系统及介质，包括：基于Faster‑RCNN,采用ResNet50卷积层提取图像特征，FPN实现特征的多尺度检测，然后使用RPN网络层生成候选区域，最后通过ROI层生成特征图；基于PointNet2模型，采用采样分组的策略，通过最远点采样法生成候选点，然后以候选点为中心，划定局部点云集合,输入PointNet网络，生成局部点云特征集合，将点云特征集合输入维度降级层。本发明将使得模型学习正确的感知能力提高，降低模型检测的误判，从数据层面达到增强模型的目的，支撑高精度、高准确率的三维目标检测算法。
-
公开(公告)号：CN119134264A
公开(公告)日：2024-12-13
申请号：CN202410847535.6
申请日：2024-06-27
Applicant: 北京邮电大学 , 国网江西省电力有限公司电力科学研究院 , 南昌科晨电力试验研究有限公司
IPC: H02J3/00 , G06F18/20 , G06Q50/06 , G06N3/0442 , G06N3/045 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06F123/02
Abstract: 本发明提出了一种基于LSTM‑TimeGAN神经网络的多因素负荷预测方法及装置，包括：采集待分析的负荷数据，经预处理后，生成格式统一的数值化数据；将所述数值化数据经归一化处理后划分训练集和测试集，使用训练集训练LSTM模型和TimeGAN模型，直到模型收敛；确定期望预测的时间点数量，使用测试集中的数据作为样本输入所述LSTM模型进入预测，得到第一预测值，将所述第一预测值输入所述TimeGAN模型后输出第二预测值；循环上述步骤，生成最终的预测结果。本发明的预测方法能够有效提升预测的稳定性和准确性。
-
公开(公告)号：CN118839806A
公开(公告)日：2024-10-25
申请号：CN202410846641.2
申请日：2024-06-27
Applicant: 北京邮电大学 , 国网江西省电力有限公司电力科学研究院
Abstract: 本发明提出了一种基于LSTM‑XGBoost神经网络的多因素负荷预测方法及装置，包括：采集源数据，经预处理后，生成基于历史负荷数据和历史外在因素数据的待分析数据；将待分析数据根据数据类型生成多个第一输入数据集，根据构建的双层LSTM模型提取每个输入数据集中的长期依赖关系；基于长期依赖关系和所述历史负荷数据生成第二输入数据集，根据构建的XGBoost模型对第二输入数据集进行拟合、预测，生成基于LSTM‑XGBoost组合模型的多因素负荷预测值。本发明先使用LSTM神经网络提取历史数据的长期依赖关系，再使用XGBoost模型进行拟合，并完成最终的预测，从而提高了负荷预测的准确率。
-
公开(公告)号：CN118446503A
公开(公告)日：2024-08-06
申请号：CN202410369309.1
申请日：2024-03-28
Applicant: 北京邮电大学
IPC: G06Q10/0633 , G06Q10/0639 , G06F18/2411
Abstract: 本申请公开了一种业务流程干预活动推荐方法、装置、电子设备及存储介质，涉及电子信息技术领域。所述方法包括：确定能够在第一事件序列之后执行的至少一个候选活动；分别确定由第一事件序列和各候选活动对应的事件组成的第二事件序列；基于各第二事件序列和剩余时间预测模型，确定各第二事件序列分别对应的剩余执行时间、以及各第二事件序列中的各事件的注意力权重和各事件所包括的各属性的注意力权重；将最短的剩余执行时间对应的第二事件序列作为第三事件序列，将第三事件序列中的最后一个事件对应的候选活动作为最优推荐活动，并基于第三事件序列中的各事件的注意力权重和各事件所包括的各属性的注意力权重，对最优推荐活动进行解释。
-
公开(公告)号：CN118333364A
公开(公告)日：2024-07-12
申请号：CN202410353073.2
申请日：2024-03-26
Applicant: 北京邮电大学
IPC: G06Q10/0633 , G06Q10/10 , G06Q10/0639 , G06Q10/067 , G06F18/23
Abstract: 本公开涉及一种业务流程的资源建模方法及系统，其中，资源建模方法包括：获取业务流程的数据集，并将数据集转化为事件日志；计算事件日志的资源的数量；对事件日志进行预处理；其中，预处理后的事件日志中每个事件均具有时间戳、流程实例和活动；基于必要属性，提取预处理后的事件日志的执行上下文，并通过质量评价指标判断提取的执行上下文是否符合质量要求；其中，执行上下文用于指定事件日志中事件的划分方式；质量评价指标用于表征执行上下文和资源的对应关系；计算每个资源在执行上下文中出现的频率，并对计算的结果进行聚类，生成组织模型。从而，本公开能够从资源角度扩展流程挖掘的知识体系，使模型能够迭代评估其组织的资源使用情况。
-
Patent Agency Ranking
公开(公告)号：CN115689201A
公开(公告)日：2023-02-03
申请号：CN202211353814.4
申请日：2022-11-01
Applicant: 北京邮电大学
IPC: G06Q10/0631 , G06Q10/0637 , G06Q10/04 , G06Q50/04
Abstract: 本发明公开了一种面向企业资源供需调配的多准则智能决策优化方法及系统，包括：使用基于熵权的准则客观赋权过程确定企业资源供需调配准则的客观权重；将得到的所述客观权重输入到基于相对熵的准则组合赋权过程，生成反映实际调度情况的准则的组合权重；基于勾股模糊图的多准则决策过程接收前序步骤得到所述客观权重和所述组合权重，对多个企业资源供需调配调度方案进行评估；使用基于图论的企业资源供需调配多准则决策过程进行前序步骤的决策应用，以确定最优调度方案。本发明将勾股模糊图引入到企业资源供需调配决策问题中，用图来表达企业实际的供应链资源调度方案间的偏好关系，以及各种影响因素间的交互关系，方法简单易行，决策结果更加合理可靠。
-
公开(公告)号：CN111277606B
公开(公告)日：2022-04-15
申请号：CN202010085407.4
申请日：2020-02-10
Applicant: 北京邮电大学
Abstract: 本发明公开了一种检测模型训练方法、检测方法及装置、存储介质。其中，检测模型训练方法包括：获取至少一个数据集；所述至少一个数据集中的每个数据集分别包含一个时间窗口内生成的文件访问日志；基于所述至少一个数据集中的每个数据集，分别提取对应的文件访问特征，构成至少一组特征样本；为所述至少一组特征样本中的每组特征样本分别标注对应的标签；所述标签用于表征对应的文件访问行为中是否存在网络攻击行为；利用所述至少一组特征样本训练设定的检测模型；所述检测模型用于基于输入的文件访问特征输出对应的网络攻击检测结果。
-
公开(公告)号：CN109508350B
公开(公告)日：2022-04-12
申请号：CN201811307544.7
申请日：2018-11-05
IPC: G06F16/2458
Abstract: 本申请公开了一种对数据进行采样的方法，包括：对所有用户的初始数据进行抽样处理，其中，每个用户对应一个数据向量；对于各个抽样用户及其对应的数据向量，计算每个抽样用户与其他所有抽样用户的向量间的相似性，得到每个抽样用户对应的距离矩阵；根据所有抽样用户对应的距离矩阵，对抽样用户对应的数据向量进行数据聚类；根据聚类结果，选择最重要的一个或多个特征；将所有用户的初始数据按照选择出的所有特征分成k类，并在每一类中进行抽样处理，并保证不同类中的抽样数差值最小。应用本申请，能够实现均匀采样，提高数据处理的准确性。
-
公开(公告)号：CN111277606A
公开(公告)日：2020-06-12
申请号：CN202010085407.4
申请日：2020-02-10
Applicant: 北京邮电大学
Abstract: 本发明公开了一种检测模型训练方法、检测方法及装置、存储介质。其中，检测模型训练方法包括：获取至少一个数据集；所述至少一个数据集中的每个数据集分别包含一个时间窗口内生成的文件访问日志；基于所述至少一个数据集中的每个数据集，分别提取对应的文件访问特征，构成至少一组特征样本；为所述至少一组特征样本中的每组特征样本分别标注对应的标签；所述标签用于表征对应的文件访问行为中是否存在网络攻击行为；利用所述至少一组特征样本训练设定的检测模型；所述检测模型用于基于输入的文件访问特征输出对应的网络攻击检测结果。
-
公开(公告)号：CN110505597A
公开(公告)日：2019-11-26
申请号：CN201910701024.2
申请日：2019-07-31
Applicant: 北京邮电大学 , 中国电子科技集团公司第五十四研究所
Abstract: 本申请公开了一种无线传感器网络的数据传输方法，包括：传感器节点接收雾计算节点训练的数据预测模型，采集当前感测数据，根据历史感测数据确定当前感测数据的预测值，若当前感测数据的预测值与实际值之差小于设定的第一阈值，则所述传感器节点不向所述雾计算节点发送当前感测数据，否则，所述传感器节点向所述雾计算节点发送当前感测数据；所述雾计算节点从当前感测数据的采集时刻开始，若在设定的等待时间内收到所述当前感测数据，则传感器节点发来的当前感测数据进行后续处理，若在所述等待时间内未接收到当前感测数据，则根据历史感测数据确定当前感测数据的预测值，并将该预测值作为当前感测数据进行后续处理。通过本申请，能够有效减少无线传感器网络中的海量数据传输，并降低核心网的数据处理负担。
-
-
-
-
-
-
-
-
-
Search Results
89
records
(took 0.06 seconds)
