公开(公告)号：CN115600656A

公开(公告)日：2023-01-13

申请号：CN202211369761.5

申请日：2022-11-03

Applicant: 杭州电子科技大学(CN)

Inventor： 陈金华 ,  樊谨 ,  徐周希 ,  项嘉倩 ,  章复嘉

IPC: G06N3/0455 ,  G06N3/047 ,  G06N3/084 ,  G06F18/25 ,  G06F18/2131 ,  G06F18/214 ,  G06F123/02

Abstract: 本发明公开了一种基于分段策略与多成分分解算法的多元时间序列预测方法，使用分解‑协作框架与段注意力机制，分离时间序列中的多成分和全局‑局部特征，在提高多元时间序列预测效果的同时保持了近似线性复杂度的计算开销和预测长序列的能力。本发明以编码器‑解码器架构为基础嵌入多成分分解块和用于信息交互的协作块形成具备双通道的分解‑协作架构。基于分段策略将注意力机制应用到位置依赖关系建模和信息聚合的过程中。挖掘历史数据中的段与段之间的深度依赖关系，聚合历史数据的深度特征信息，产生最终的预测结果。本发明有效地提升了模型在多个多元时间序列数据集上的预测任务效果。

公开(公告)号：CN113159163A

公开(公告)日：2021-07-23

申请号：CN202110418526.1

申请日：2021-04-19

Applicant: 杭州电子科技大学

Inventor： 刘振涛 ,  樊谨 ,  汪森 ,  陈金华 ,  冯龙超 ,  匡振中

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多元时序数据分析的轻量级无监督异常检测方法。本发明包括两种模型：检测模型和推断模型；检测模型先通过随机卷积神经网络对捕捉到的多元时序数据的提取时间依赖性特征，进而利用深度贝叶斯网络对提取特征后的多元时序数据进行编解码，检测模型能够确定检测精准度范围；推断模型由得分注意力单元、阈值自动选择单元和点调整单元组成，得分注意力单元采用注意力机制扩大异常数据与正常数据之间的特征差异并为异常解释提供了理论基础，阈值自动选择单元能够自动计算阈值，点调整单元能够模拟真实异常的产生过程，推断模型能够提高异常检测的精准度、稳定性和可解释性。本发明能够应对飞速增长的数据规模和复杂多变的异常种类。

公开(公告)号：CN110276380A

公开(公告)日：2019-09-24

申请号：CN201910429759.4

申请日：2019-05-22

Applicant: 杭州电子科技大学

Inventor： 吕航 ,  樊谨 ,  刘国攸 ,  陈金华 ,  黄运杰

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度模型框架的实时运动在线指导系统，其特征在于包括三层基础级架构，分别为基础硬件层、软件服务层、功能展示层；基础硬件层由数据采集设备和服务器设备组成；软件服务层由数据搜集单元、数据管理单元、服务提供单元、模型迭代单元、运动分析单元这五个部分组成；功能展示层用于显示APP功能和手环功能。本发明主机和从机采集数据灵活性强，操作简单，数据精准度高，实时性好。本发明方法设备价格低，利用率高。数据处理方法科学而不复杂，易于在智能手机上运动。能有效地判断使用者动作的标准程度。应用范围广，能创造不菲的经济价值。

公开(公告)号：CN110276380B

公开(公告)日：2021-08-17

申请号：CN201910429759.4

申请日：2019-05-22

Applicant: 杭州电子科技大学

Inventor： 吕航 ,  樊谨 ,  刘国攸 ,  陈金华 ,  黄运杰

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度模型框架的实时运动在线指导系统，其特征在于包括三层基础级架构，分别为基础硬件层、软件服务层、功能展示层；基础硬件层由数据采集设备和服务器设备组成；软件服务层由数据搜集单元、数据管理单元、服务提供单元、模型迭代单元、运动分析单元这五个部分组成；功能展示层用于显示APP功能和手环功能。本发明主机和从机采集数据灵活性强，操作简单，数据精准度高，实时性好。本发明方法设备价格低，利用率高。数据处理方法科学而不复杂，易于在智能手机上运动。能有效地判断使用者动作的标准程度。应用范围广，能创造不菲的经济价值。

公开(公告)号：CN113392137A

公开(公告)日：2021-09-14

申请号：CN202110491150.7

申请日：2021-05-06

Applicant: 杭州电子科技大学

Inventor： 黄益攀 ,  樊谨 ,  章柯 ,  陈金华 ,  汪森 ,  陈柏平

IPC: G06F16/2458 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于双窗口机制的多变量时间序列数据预测模型。包括短序列处理模块和长序列处理模块；其中，所述短序列处理模块用于处理短时间序列数据，并从中提取出平稳的近期信息；所述长序列处理模块用于处理长时间序列数据，并从中提取出周期性、季节性的长期信息。最后将两部分结合起来，从而兼具近期信息和长期规律，得到更好的预测结果。本发明有效利用长时间序列数据从而提高时间序列预测准确率。本发明系统在所有数据集中都得到了最好的RMSE和MAE。这说明本发明确实因为融合了长序列和短序列各自的特点而优于单纯使用短序列的模型。且本发明拥有比DARNN和TCN更强的预测能力，更适用于需要高准确率而不是低时间花费的场合。