-
公开(公告)号：CN113554105B
公开(公告)日：2023-04-18
申请号：CN202110856334.9
申请日：2021-07-28
Applicant: 桂林电子科技大学
IPC: G06F18/15 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于时空融合的物联网缺失数据补全方法，通过收集物联网传感器的时序数据，得到传感器的历史数据，对离线的传感器的历史数据进行统计分析，分析传感器数据的缺失情况；数据空间关系感知：采用标准化互信息的方法挖掘收集到的传感器的历史数据之间的关系，计算任意两个传感器历史数据之间的相关系数，并选择相关系数大于0.5的数据作为待补全传感器的空间关系数据；构建并训练关系感知LSTM模型；将采集到的不完整的传感器数据输入训练好的Ra‑LSTM模型中进行数据补全，得到完整的数据集。该方法既利用传感器自身的历史时序数据又利用传感器之间的空间关系数据；补全融合的方法，补全结果更准确；在多个传感器数据同时缺失的条件下同样适用。
-
公开(公告)号：CN115048973A
公开(公告)日：2022-09-13
申请号：CN202210325495.X
申请日：2022-03-29
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于多智能体系统的深度强化学习方法，包括如下步骤：基于结合体框架建立算法，多智能体系统中每个独立的智能体均为分类的诱发条件，智能体触发诱发条件，判断该智能体的观测范围内所有智能体能否成为合作者，当触发诱发条件的智能体观测范围内具有成为合作者的智能体时，将其构成组，建立双向的LSTM模型，并整合每个上述的通信组中所有智能体的信息，促成协作决策，智能体同时属于至少两个通信组时，建立通信通道连接该智能体所在的通信组；本方案应用在具有较多智能体的多智能体系统中，可在其判断哪些智能体摄取的信息是有价值的，避免将这些没有价值的信息带入系统中时，降低了系统的运算量，极大地增加了通信的速率。
-
公开(公告)号：CN111856954B
公开(公告)日：2022-08-02
申请号：CN202010699554.0
申请日：2020-07-20
Applicant: 桂林电子科技大学
IPC: G05B15/02 , G05B19/418
Abstract: 本发明公开一种基于粗糙集理论与规则相结合的智能家居数据补全方法，使用粗糙集属性约简算法将冗余信息去除，避免多于信息对数据补全产生。粗糙集理论使用信息熵的概念，能够发现数据之间潜在关系，而不是简单的数据之间线性关系。根据约简结果形成的规则符合决策系统中行为习惯，缺省推理允许信息在不完全情况下做出合适的推理，符合现实推理需求。粗糙集理论将连续数据离散化处理，在智能家居决策系统中，系统不需要准确数据，只需要传感器达到某个范围内就能做出决策，因此本方法能够实现智能家居决策系统中缺失值补全，提高决策系统的可靠性和准确性，提供良好的用户体验。
-
-
公开(公告)号：CN110737732A
公开(公告)日：2020-01-31
申请号：CN201911026309.7
申请日：2019-10-25
Applicant: 广西交通科学研究院有限公司 , 桂林电子科技大学
Inventor： 刘阳 , 黄焕 , 何倩 , 李祖文 , 江炳城 , 王勇 , 翟仲毅 , 杨辉 , 李双富 , 农昭光 , 李为民 , 唐清毅 , 马志辉 , 朱雪平 , 杜文良 , 韦承礼 , 陶易
Abstract: 本发明提供了一种机电设备故障预警方法，通过构建边缘服务器，采集机电设备状态数据，边缘服务器进行故障分类后传输到云端大数据平台；周期性对积累的状态数据进行预处理，分割成训练集和测试集；用训练集的样本数据训练故障预警分类的GRU循环神经网络模型，在测试集上运行训练好的模型检测准确性；使用通过验证的GRU循环神经网络模型实时对机电设备数据进行故障预警分类计算，发布故障警告和故障预警消息。本发明采用GRU循环神经网络模型进行机电设备故障实时预测，提高预警的准确性和响应速度，协助运行维护人员提前发现机电设备可能存在的故障风险。
-
Patent Agency Ranking
公开(公告)号：CN113554105A
公开(公告)日：2021-10-26
申请号：CN202110856334.9
申请日：2021-07-28
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于时空融合的物联网缺失数据补全方法，通过收集物联网传感器的时序数据，得到传感器的历史数据，对离线的传感器的历史数据进行统计分析，分析传感器数据的缺失情况；数据空间关系感知：采用标准化互信息的方法挖掘收集到的传感器的历史数据之间的关系，计算任意两个传感器历史数据之间的相关系数，并选择相关系数大于0.5的数据作为待补全传感器的空间关系数据；构建并训练关系感知LSTM模型；将采集到的不完整的传感器数据输入训练好的Ra‑LSTM模型中进行数据补全，得到完整的数据集。该方法既利用传感器自身的历史时序数据又利用传感器之间的空间关系数据；补全融合的方法，补全结果更准确；在多个传感器数据同时缺失的条件下同样适用。
-
公开(公告)号：CN111856954A
公开(公告)日：2020-10-30
申请号：CN202010699554.0
申请日：2020-07-20
Applicant: 桂林电子科技大学
IPC: G05B15/02 , G05B19/418
Abstract: 本发明公开一种基于粗糙集理论与规则相结合的智能家居数据补全方法，使用粗糙集属性约简算法将冗余信息去除，避免多于信息对数据补全产生。粗糙集理论使用信息熵的概念，能够发现数据之间潜在关系，而不是简单的数据之间线性关系。根据约简结果形成的规则符合决策系统中行为习惯，缺省推理允许信息在不完全情况下做出合适的推理，符合现实推理需求。粗糙集理论将连续数据离散化处理，在智能家居决策系统中，系统不需要准确数据，只需要传感器达到某个范围内就能做出决策，因此本方法能够实现智能家居决策系统中缺失值补全，提高决策系统的可靠性和准确性，提供良好的用户体验。
-
-
公开(公告)号：CN111935241B
公开(公告)日：2022-03-04
申请号：CN202010686695.9
申请日：2020-07-16
Applicant: 桂林电子科技大学
IPC: H04L67/1042 , H04L67/12 , H04L67/56 , G08B25/00
Abstract: 本发明公开一种基于数据分发网络的边缘服务智能协同方法，构建了包括智能家居、智能社区和安防中心等三种Agent，通过基于MQTT协议的数据分发集群网络，实现边缘服务智能协同处理复杂事件。另外，在本发明采用的数据分发网络中，包括了多个基于“发布/订阅”模型的代理节点，Agent和这些MQTT‑Broker之间构成相互连通的网络拓扑，实现分布式环境下边缘节点的实时交互。因此，本发明可以在资源受限的边缘环境中，实现智能服务中边缘节点对复杂情景事件的智能协同执行。
-
公开(公告)号：CN113554106A
公开(公告)日：2021-10-26
申请号：CN202110856338.7
申请日：2021-07-28
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种面向电力缺失数据的协同补全方法，通过采集电力数据，并对采集到的数据进行分析，统计电力数据的缺失情况；采用自相分析的方法分析数据列自身的前后关系，挖掘数据列自身的隐式关系，为电力数据的属性列选择合适步长的历史样本，作为待插补电力数据的历史样本；采用互相关分析的方法分析不同数据列之间的相关关系，挖掘不同数据列的隐式关系，为电力数据的属性列筛选出相关系数大于0.5的数据列，并将其作为待插补电力数据的关系数据；建立补全模型HR‑LSTM并对模型进行训练，将采集到有缺失的电力数据输入训练好的补全模型HR‑LSTM中，即可得到补全了缺失值的电力数据。该方法数据补全效果好，效率高。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.031 seconds)
