-
Patent Agency Ranking
公开(公告)号：CN112380985A
公开(公告)日：2021-02-19
申请号：CN202011266814.1
申请日：2020-11-13
Applicant: 广东电力信息科技有限公司
Abstract: 本发明提出了一种变电站入侵异物实时检测方法。所述方法包括：对变电站的监控图像进行预处理，包括图像去噪和图像增强；将预处理后的图像输入训练好的变电站入侵异物检测模型，输出检测结果；其中，所述变电站入侵异物检测模型为改进的YoLo网络模型，所述改进的YoLo网络模型利用YoLo网络为基本结构，在每个卷积层后面添加批标准化层对卷积后的张量进行规范化，在批标准化层之后使用修改后的Dropout即R‑Dropout层来构造不确定性卷积特征，在R‑Dropout层之后连接池化层进行降采样，完成不确定卷积特征的提取。本发明能够在保障检测速度的同时，有效提高检测的精度，有效实现异物入侵时的实时检测。
-
公开(公告)号：CN114138562A
公开(公告)日：2022-03-04
申请号：CN202111474588.0
申请日：2021-12-03
Applicant: 广东电力信息科技有限公司
IPC: G06F11/14
Abstract: 本发明涉及一种基于备份系统恢复数据的方法及系统，尤其涉及数据处理技术领域，所述方法包括，步骤S1，通过获取模块获取待恢复数据；步骤S2，通过优先模块确定待恢复数据恢复的优先级顺序，在确定优先级顺序时，根据待恢复数据所占存储容量A和文件复杂度B对各待恢复数据进行排序，并得到一级恢复顺序，再根据总待恢复数据所占存储容量Ak对一级恢复顺序进行评价，并根据评价结果对一级恢复顺序进行校正；步骤S3，通过备份模块按照优先级的排列顺序进行数据恢复；步骤S4，通过评估模块对恢复后的数据进行完整性评估；步骤S5，通过调整模块对评估不合格的数据进行调整。本发明有效提高了数据恢复的效率。
-
公开(公告)号：CN112365060A
公开(公告)日：2021-02-12
申请号：CN202011268860.5
申请日：2020-11-13
Applicant: 广东电力信息科技有限公司
Abstract: 本发明提出了一种电网物联感知数据的预处理方法。包括以下步骤：获取电网数据样本集，并进行缺失补充和特征归一化处理；通过K近邻算法将样本划分为安全区间、危险区间、噪音区间、边界样本区间；初步确定各区间样本的采样数量；对落入噪音区间的样本数据进行删除；基于安全系数对危险区间的样本进行采样；基于聚类分析对安全区间的样本进行采样；将安全区间和危险区间样本进行合并，对边界样本区间进行处理，输出样本数据集。本发明针对不同样本区间具有不同特征采用不同的处理方法，对于多数类样本使用欠采样清除部分边界样本，在一定程度上使得分类器对少数类的判断更为准确。
-
公开(公告)号：CN114138562B
公开(公告)日：2022-09-06
申请号：CN202111474588.0
申请日：2021-12-03
Applicant: 广东电力信息科技有限公司
IPC: G06F11/14
Abstract: 本发明涉及一种基于备份系统恢复数据的方法及系统，尤其涉及数据处理技术领域，所述方法包括，步骤S1，通过获取模块获取待恢复数据；步骤S2，通过优先模块确定待恢复数据恢复的优先级顺序，在确定优先级顺序时，根据待恢复数据所占存储容量A和文件复杂度B对各待恢复数据进行排序，并得到一级恢复顺序，再根据总待恢复数据所占存储容量Ak对一级恢复顺序进行评价，并根据评价结果对一级恢复顺序进行校正；步骤S3，通过备份模块按照优先级的排列顺序进行数据恢复；步骤S4，通过评估模块对恢复后的数据进行完整性评估；步骤S5，通过调整模块对评估不合格的数据进行调整。本发明有效提高了数据恢复的效率。
-
公开(公告)号：CN112365060B
公开(公告)日：2024-01-26
申请号：CN202011268860.5
申请日：2020-11-13
Applicant: 广东电力信息科技有限公司
IPC: G06F18/23213 , G06F18/241 , G06Q50/06
Abstract: 本发明提出了一种电网物联感知数据的预处理方法。包括以下步骤：获取电网数据样本集，并进行缺失补充和特征归一化处理；通过K近邻算法将样本划分为安全区间、危险区间、噪音区间、边界样本区间；初步确定各区间样本的采样数量；对落入噪音区间的样本数据进行删除；基于安全系数对危险区间的样本进行采样；基于聚类分析对安全区间的样本进行采样；将安全区间和危险区间样本进行合并，对边界样本区间进行处理，输出样本数据集。本发明针对不同样本区间具有不同特征采用不同的处理方法，对于多数类样本使用欠采样清除部分边界样本，在一定程度上使得分类器对少数类的判断更为准确。(56)对比文件古平.基于混合采样的非平衡数据集分类研究.计算机应用研究.2015,第32卷(第2期),379-381+718.Abhimanyu Bhowmik.DBNex: Deep BeliefNetwork and Explainable AI basedFinancial Fraud Detection.2022 IEEEInternational Conference on BigData.2022,3033-3042.Pengfei Sun.SMOTE-kTLNN: A hybrid re-sampling method based on SMOTE and a two-layer nearest neighbor classifier.ExpertSystems With Applications.2023,第238卷1-23.张浩;陈龙;魏志强.基于数据增强和模型更新的异常流量检测技术.信息网络安全.2020,(第02期),70-78.石洪波;陈雨文;陈鑫.SMOTE过采样及其改进算法研究综述.智能系统学报.2019,(第06期),14-24.董明刚;刘明;敬超.利用采样安全系数的多类不平衡过采样算法.计算机科学与探索.2020,(第10期),161-171.
-
-
-
-
Search Results
5
records
(took 0.021 seconds)
