-
公开(公告)号：CN110751199A
公开(公告)日：2020-02-04
申请号：CN201910976398.5
申请日：2019-10-15
Applicant: 南京航空航天大学
Abstract: 本发明公开了一种基于贝叶斯神经网络的卫星异常检测方法，包括：与使用传统神经网络的异常检测的方法不同，将贝叶斯思想引入神经网络，网络的权重不再是单值，而是符合某种概率分布。贝叶斯思想赋予神经网络不确定性，给予神经网络这一黑盒模型更好的数学解释。首先，依据卫星数据来构建传统的长短时神经网络。其次，引入贝叶斯思想，建立贝叶斯长短时神经网络，使用dropout方法来进行近似推断，通过最小化网络权重的近似分布和后验分布之间KL散度来学习网络权重。接着，通过蒙特卡洛采样近似权重分布的方式输出网络结果。然后，采用预测熵和互信息这两种度量方式来计算异常检测分类结果的不确定性。最后，通过人工或者自编码器来对具有高不确定的分类样本进行进一步的判断，从而能够更好地提高异常检测的准确率。
-
公开(公告)号：CN109978660A
公开(公告)日：2019-07-05
申请号：CN201910195737.6
申请日：2019-03-13
Applicant: 南京航空航天大学
Abstract: 本发明公开一种基于强化学习框架的推荐系统离线训练方法。包括：使用离线训练的方式，通过矩阵分解得到用户和商品的隐向量表示；通过强化学习算法，根据用户兴趣与所推荐商品的差异以及用户的反馈，对用户兴趣进行动态捕捉和更新；为用户维护一个参考向量，用来记录用户在最近一段时间内感兴趣商品的向量表示之和，并以此为依据对商品集合进行过滤，去除与计算长期回报无关的商品，降低计算复杂度，本发明可适用于大规模的基于评分的推荐系统。
-
公开(公告)号：CN109948117A
公开(公告)日：2019-06-28
申请号：CN201910195659.X
申请日：2019-03-13
Applicant: 南京航空航天大学
Abstract: 本发明公开了一种针对卫星遥测数据，通过对抗网络自编码器的异常检测方法，包括：打破传统经验模型限制，采用纯数据驱动模型；在变分自编码器基础上，引入对抗网络思想，将双向LSTM(长短时记忆网络)作为判别器，利用重构数据和原始数据的误差来判断卫星遥测数据是否出现异常；针对卫星传感器存在冗余问题，打破常规，使用马氏距离来衡量重构误差。结合卫星轨道运行的周期性，提出基于周期时间窗口的动态阈值确定方法。本发明的优点是：纯数据驱动，无需专家经验，能够适用多种场合；结合变分自编码器和生成对抗网络各自的优点，提出的网络具有训练快、收敛较容易的特点；采用马氏距离，消除卫星遥测数据之间的冗余数据影响；根据卫星自身的周期性，提出基于周期时间窗口的动态阈值方法，降低了误判率。
-
公开(公告)号：CN109739926A
公开(公告)日：2019-05-10
申请号：CN201910021405.6
申请日：2019-01-09
Applicant: 南京航空航天大学
Abstract: 本发明公开了一种基于卷积神经网络的移动对象目的地预测方法，包括：引入参数化最小描述长度策略(PMDL)对原始轨迹进行最优分段表示，削弱相似轨迹之间的差异程度，增强不相似轨迹各自的重要特征；提出轨迹像素化表示方法(PRT)，将一维轨迹序列转化为二维像素图像；从轨迹图像中截取重要特征部位输入卷积神经网络(CNN)模型，进行特征提取和目的地预测。本发明的优点是：将一维轨迹序列转换为二维像素图像，通过挖掘轨迹图像的空间特征来确定目的地坐标；本发明针对目的地预测中常见的，但在很多传统方法中不能解决的“数据稀疏问题”提出了一种有效的解决方法，实现了高准确率的目的地预测。
-
公开(公告)号：CN106650297B
公开(公告)日：2019-04-19
申请号：CN201710019888.7
申请日：2017-01-06
Applicant: 南京航空航天大学
IPC: G06K9/62
Abstract: 本发明公开了一种无领域知识的卫星分系统异常检测方法，针对卫星遥测数据构成的高维数据空间，采用角度代替距离，利用共享近邻算法构建相关数据集空间；采用基于角度偏差的属性选择算法筛选与异常相关的属性；最后，使用归一化的马氏距离计算异常值，结合统计学知识计算得到异常阈值并对数据集进行分类。本发明的优点是：针对复杂的卫星分系统遥测数据，给出了一种无领域知识要求的异常检测方法，经反复实验证明，该方法检测准确率更高，效果更好。
-
Patent Agency Ranking
公开(公告)号：CN105929216B
公开(公告)日：2019-04-19
申请号：CN201610223421.X
申请日：2016-04-08
Applicant: 南京航空航天大学
Abstract: 本发明公开了一种卫星电源主母线电流区间预测方法，该方法基于优化的核极限学习机训练的预测模型，利用比例系数法确定预测区间，其中比例系数法的参数由差分进化算法进行优化，具体过程包括：卫星电源主母线电流数据预处理，去除噪声数据并获取归一化数据；采用差分进化算法优化核极限学习机参数；使用优化的核极限学习机建立初始预测模型；给定评估预测区间质量的综合指标，采用比例系数法确定预测区间，评估预测区间满意度；最后，利用差分进化算法优化区间预测比例系数，获得最优的卫星电源主母线电流预测区间。本发明的优点是：针对复杂的卫星电源主母线电流数据，给出了一种卫星电源主母线电流区间预测方法，该方法预测精度更高，效果更好。
-
公开(公告)号：CN106201849A
公开(公告)日：2016-12-07
申请号：CN201610527595.5
申请日：2016-07-01
Applicant: 南京航空航天大学
CPC classification number: G06F11/3447 , G06F17/11 , G06F17/18
Abstract: 本发明公开了一种有限数据驱动的长寿命部件余寿预测方法，包括：采用小波-包络分析预处理长寿命部件历史监测数据，降低数据噪声；对预处理数据建立多参数残差修正自回归灰色长期预测模型；采用组合合作博弈映射自主选择最优参数；将失效模式与影响分析体系中的失效模式映射为预测模型的可靠性评估指标，实时评估预测结果的可靠度。本发明的优点是：有机结合了合作博弈与残差修正自回归灰色长期预测模型，充分利用长寿命部件有限的监测数据，克服了传统预测方法无法长时间响应、数据量需求大、多参数选择依赖专家知识、预测可靠性不能实时评估等一系列困难，提高了有限数据背景下长寿命部件余寿预测结果的可信度与准确度。本发明适用于数据有限、试验成本高、高可靠长寿命部件的剩余寿命预测，发明具有普适性。
-
公开(公告)号：CN106021710A
公开(公告)日：2016-10-12
申请号：CN201610330097.1
申请日：2016-05-13
Applicant: 南京航空航天大学
IPC: G06F17/50
CPC classification number: G06F17/5036
Abstract: 本发明公开了一种基于大气电离层参数的地震前兆卫星轨道异常识别方法，包括：原始电离参数的野值剔除及标准化处理；定义卫星轨道上电离参数偏度和峰度；计算卫星各轨道上参数的偏度和峰度值；使用t location‑scale分布拟合得到分布参数及拟合误差；在不同地震震级下，使用不同阈值划分概率密度函数，建立震前卫星异常轨道识别模型；通过同历史地震目录信息对比，以证明本方法的有效和准确性；使用综合评价方法得到面向多参数的轨道识别模型。本发明的优点是：针对大气层电离参数数据量巨大、信息维度高等特点，给出了一种地震前兆卫星轨道异常的识别方法，可用于卫星轨道异常检测和地震前兆识别。
-
公开(公告)号：CN105930638A
公开(公告)日：2016-09-07
申请号：CN201610223492.X
申请日：2016-04-08
Applicant: 南京航空航天大学
IPC: G06F19/00
CPC classification number: G06F19/00
Abstract: 本发明公开了一种针对退化数据的产品零部件可靠性评估方法，包括：原始数据的预处理；各属性之间的相关性分析和假设检验；通过回归分析拟合特性变化曲线；利用方差分析评估离散型因素的影响；最后基于退化模型模拟伪失效寿命，对产品的可靠性进行评估。本发明的优点是：针对特殊领域中，产品退化数据量少、甚至是“零失效”的情形以及测量数据不连续的特点，给出了一种对产品零部件性能退化和可靠性的定量分析方法。
-
公开(公告)号：CN119442090A
公开(公告)日：2025-02-14
申请号：CN202411473543.5
申请日：2024-10-21
Applicant: 南京航空航天大学
IPC: G06F18/2433 , G06F18/2135 , G06N3/0464 , G06N3/0455 , G06N3/049 , G06N5/025 , G06F123/02
Abstract: 本申请公开了一种面向因果发现的时序数据故障根因诊断方法及相关装置，涉及故障识别技术领域，包括：获取待处理的卫星遥测时序数据；利用主成分分析算法计算每一数据样本的霍特林T2统计量，并与霍特林T2统计量控制限的比较结果确定故障样本；对每一故障样本，利用基于LASSO的故障隔离方法筛选出故障样本对应的故障候选变量；对各故障样本的故障候选变量应用通道注意稀疏因果网络模型得出故障候选变量之间的因果矩阵；根据因果矩阵确定故障候选变量间的因果拓扑以实现故障传播路径的识别和故障根因的定位。本发明能够有效识别关联故障的传播路径并准确定位根因。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.045 seconds)
