-
公开(公告)号：CN111626376A
公开(公告)日：2020-09-04
申请号：CN202010515089.0
申请日：2020-06-08
Applicant: 北京邮电大学
IPC: G06K9/62
Abstract: 本发明实施例提供的基于判别联合概率的域适配方法及系统，包括获取历史流量数据集；根据历史流量数据集，构建带标签的源域数据集和带标签的目标域数据集；根据带标签的源域数据集和带标签的目标域数据集，计算源域和目标域之间的联合概率差异；根据联合概率差异获取最小化联合概率差异；基于最小化联合概率差异，将带标签的源域数据集向带标签的目标域数据集进行域适配。本发明实施例提供的域适配方法及系统，通过直接计算最小化联合概率差异，度量边际分布和条件分布的差异，构造了对实质分布差异有效且鲁棒的特征表示，提高了域的可转移性和类的可识别性。
-
公开(公告)号：CN111784381B
公开(公告)日：2023-05-16
申请号：CN202010520053.1
申请日：2020-06-09
Applicant: 北京邮电大学 , 国网浙江省电力有限公司电力科学研究院
IPC: G06Q30/0201 , G06Q50/06 , G06F18/241 , G06F18/231 , G06F21/62 , G06F21/60 , G06N3/0464
Abstract: 本发明实施例提供一种基于隐私保护和SOM网络的电力客户细分方法及系统，该方法包括：通过智能电表，获取电力客户的用电多维数据；对所述用电多维数据进行聚类处理，获取电力客户的聚类数和初始聚类中心；将所述用电多维数据输入到改进的SOM神经网络中，并将所述聚类数和所述初始聚类中心作为改进的SOM神经网络的初始值，得到电力客户细分结果；其中，所述改进的SOM神经网络是通过等偏差理论对SOM神经网络进行改进得到的。本发明实施例提高SOM网络在电力网客户细分上的准确率，在客户数量较大时，能够实现对客户的快速和有效聚类，极大地减少了人为指定聚类个数的盲目性和主观性。
-
公开(公告)号：CN111784381A
公开(公告)日：2020-10-16
申请号：CN202010520053.1
申请日：2020-06-09
Applicant: 北京邮电大学 , 国网浙江省电力有限公司电力科学研究院
Abstract: 本发明实施例提供一种基于隐私保护和SOM网络的电力客户细分方法及系统，该方法包括：通过智能电表，获取电力客户的用电多维数据；对所述用电多维数据进行聚类处理，获取电力客户的聚类数和初始聚类中心；将所述用电多维数据输入到改进的SOM神经网络中，并将所述聚类数和所述初始聚类中心作为改进的SOM神经网络的初始值，得到电力客户细分结果；其中，所述改进的SOM神经网络是通过等偏差理论对SOM神经网络进行改进得到的。本发明实施例提高SOM网络在电力网客户细分上的准确率，在客户数量较大时，能够实现对客户的快速和有效聚类，极大地减少了人为指定聚类个数的盲目性和主观性。
-
公开(公告)号：CN111782805A
公开(公告)日：2020-10-16
申请号：CN202010549098.1
申请日：2020-06-16
Applicant: 北京邮电大学
Abstract: 本发明实施例提供一种文本标签分类方法及系统。该方法包括：获取待分类文本集；将待分类文本集输入至文本标签分类模型，得到文本标签分类模型输出的文本标签分类结果；文本标签分类模型是由文本样本集，基于注意力机制对卷积神经网络模型进行评估，并结合主损失函数与双目标辅助损失函数对卷积神经网络模型进行优化得到的。本发明实施例通过在文本标签分类过程中，使用主损失函数和双目标辅助损失函数进行联合优化，将实体关系类别的类内聚合程度与类间远离程度作为奖励项添加到梯度计算中，使得实体关系类别在度量空间中更加分散，类别内更加紧密，并且实现收敛模型迁移到少样本类别中，在信息不足的情况下更加快速地对少样本类别进行空间划分。
-
-
-
Search Results
4
records
(took 0.021 seconds)
