-
公开(公告)号:CN117056847B
公开(公告)日:2024-01-30
申请号:CN202311301731.5
申请日:2023-10-10
Applicant: 中南大学
IPC: G06F18/2433 , G06N3/006 , G06N20/00 , G06F18/10
Abstract: 本发明公开了一种流式数据的异常检测方法、系统、设备及存储介质,本方法通过对流式数据集进行预处理,得到预处理后的流式数据集;通过引入相关系数构建迭代最优的变分模态分解方法,并采用迭代最优的变分模态分解方法对预处理后的流式数据集进行分解,得到最优数量的内禀模态函数分量;基于排序配对学习构建排序配对的自适应麻雀搜索算法;采用排序配对的自适应麻雀搜索算法对GRU网络中的超参数进行优化,构建流式数据的异常检测模型;将最优数量的内禀模态函数分量输入至异常检测模型中进行流式数据的异常检测,得到异常检测结果。本发明能够有效降低数据时变性、非线性和非平稳对异常检测的影响,提高异常检测的准确度。(56)对比文件PENGYUN JIA et al..Short-TermPhotovoltaic Power Forecasting Based onVMD and ISSA-GRU.IEEE Access.2021,第9卷105939-105950.王子恺 等.融合边界处理机制的学习型麻雀搜索算法.北京航空航天大学学报.2022,(第8期),1-8.张妍;韩璞;王东风;王少蕊.基于变分模态分解和LSSVM的风电场短期风速预测.太阳能学报.2018,(第01期),全文.
-
公开(公告)号:CN117056847A
公开(公告)日:2023-11-14
申请号:CN202311301731.5
申请日:2023-10-10
Applicant: 中南大学
IPC: G06F18/2433 , G06N3/006 , G06N20/00 , G06F18/10
Abstract: 本发明公开了一种流式数据的异常检测方法、系统、设备及存储介质,本方法通过对流式数据集进行预处理,得到预处理后的流式数据集;通过引入相关系数构建迭代最优的变分模态分解方法,并采用迭代最优的变分模态分解方法对预处理后的流式数据集进行分解,得到最优数量的内禀模态函数分量;基于排序配对学习构建排序配对的自适应麻雀搜索算法;采用排序配对的自适应麻雀搜索算法对GRU网络中的超参数进行优化,构建流式数据的异常检测模型;将最优数量的内禀模态函数分量输入至异常检测模型中进行流式数据的异常检测,得到异常检测结果。本发明能够有效降低数据时变性、非线性和非平稳对异常检测的影响,提高异常检测的准确度。
-
公开(公告)号:CN116580807A
公开(公告)日:2023-08-11
申请号:CN202310555370.0
申请日:2023-05-17
Applicant: 中南大学
Abstract: 本发明涉及健康生活管理技术领域,更具体地,涉及基于移动健康的糖尿病预防主动干预方案自调方法及系统。该方案包括通过移动健康管理平台进行对饮食和运动相关心理变量、行为变量和体重相关变量进行在线的信息采集;在进行信息采集的基础上,需要明确对应的干预目标;根据变量组:年龄、教育、婚姻状况、职业和最小的孩子年龄形成分类组量化指数,根据对应的体重指数和腰围形成的综合指数,确定最优的对于分类组量化指数的系数;在分类组量化指数在预设参数范围内的条件下,结合干预目标基于人工智能算法明确最优干预策略,并执行对应的干预方案。该方案核心目的是针对腹型肥胖母亲,进行最优的主动健康干预方案推荐和执行。
-
-