-
公开(公告)号：CN107301474A
公开(公告)日：2017-10-27
申请号：CN201710465683.1
申请日：2017-06-19
Applicant: 武汉大学
Abstract: 本发明涉及数据挖掘及深度学习技术，具体涉及一种针对低压用户的基于深度学习的用电量预测方法，包括以下步骤：步骤1、获取低压用户用电量相关的属性参数；步骤2、对步骤1获取的参数进行数据预处理；步骤3、将经步骤2处理后的数据输入DBN建立低压用户日用电量预测模型，其中日用电量为被预测量；步骤4、将待预测日期除日用电量之外的属性参数输入步骤3所得低压用户日用电量预测模型得到低压用户当日用电量预测值。该预测方法可以在无法获得低压用户日用电模式的基础上，预测出低压用户的日用电量，同时，考虑到工作或气候变化引起的用电量突变问题，采用了目前较流行的深度学习算法对日用电量进行预测，使预测的结果更为精确。
-
公开(公告)号：CN107169145A
公开(公告)日：2017-09-15
申请号：CN201710465289.8
申请日：2017-06-19
Applicant: 武汉大学
Abstract: 本发明涉及计算机科学数据挖掘中的聚类和电气工程中的线损标杆值计算等技术领域，具体涉及一种基于聚类算法的用户窃电严重等级检测的方法，1.在电网平台内采集用户用电量异常率、线损率、三相电压/电流、功率因数。2.针对用户计算线损标杆值，比较实际线损率与线损标杆值，对超出值划分区间，得到线损异常等级0~5。3.利用三相电压/电流计算三相电压/电流不平衡率。4.以上述数据为输入样本，采用k‑means聚类算法对其聚类得到6种类别，即窃电严重等级。5.分别计算待检用户数据与6种类别的欧氏距离，距离最近者即为待检用户窃电严重等级。该检测方法利用聚类算法对大量样本进行聚类，可以有效划分出用户窃电严重等级。
-
公开(公告)号：CN106991011B
公开(公告)日：2020-07-24
申请号：CN201710204293.9
申请日：2017-03-30
Applicant: 武汉大学
IPC: G06F9/50
Abstract: 本发明涉及一种针对大数据任务处理的基于CPU多线程与GPU多粒度并行及协同优化的方法，首先创建主线程，根据已知参数计算CPU_GPU最佳任务划分。启动n个线程，其中1个负责调度GPU，其余负责执行CPU计算任务。然后采用内存池技术降低数据从磁盘读入内存的通信开销；采用哈希表和信息摘要解决多线程访存中资源竞争的问题；采用流水线技术隐藏数据从内存读入CPU的通信时间。在主机端，CPU采用多核多线程方式执行分配到的任务；在设备端，GPU采用CUDA并行方式执行分配到的任务。全部任务完成后，主线程收回控制权直至退出。本发明可以在大数据任务处理中取得明显的加速效果，降低任务总的处理时间，提高处理效率。
-
公开(公告)号：CN108183956B
公开(公告)日：2020-05-12
申请号：CN201711475729.4
申请日：2017-12-29
Applicant: 武汉大学
IPC: H04L29/08 , H04L12/721
Abstract: 本发明公开了一种传播网络的关键路径提取方法，传播网络中添加一个额外节点，并与传播网络中的每一个节点建立双向连接；计算额外节点传播网络中任意两节点间的节点相似度；通过额外节点传播网络中节点总数初始化节点影响力列向量，并建立概率转移矩阵，进行全局投票迭代以更新节点影响力列向量；遍历排除额外节点传播网络中任意两个用户节点的最短路径，并对每条最短路径构建路径节点影响力行向量以及路径节点相似度行向量；进一步计算得到每条最短路径的路径综合影响力以对每条最短路径进行排序得到关键路径。本发明解决了社交网络平台上关键传播路径的挖掘问题，并可用于舆情监控与干预、谣言检测等网络信息监控领域。
-
公开(公告)号：CN109359894A
公开(公告)日：2019-02-19
申请号：CN201811440074.1
申请日：2018-11-29
Applicant: 武汉大学
Abstract: 本发明提供了一种基于RPN的电力计量设备的风险评价方法及装置，其中的方法对现场计量设备的故障类型及参数、故障影响、故障原因的因素分析，主要涉及人员环境、系统功能、维修时间及维修费用四个方面的影响程度，然后构建基于AHP确定评价因素权重，最后进行电力计量设备的风险评价。同时，本发明的方法可以对电力计量设备的维修提供指导。解决了电力计量设备种类繁多、数量巨大、运行工况复杂，造成的评价结果不准确的问题。实现了提高评价结果的准确性以及实现风险等级划分的技术效果。
-
Patent Agency Ranking
公开(公告)号：CN108536757A
公开(公告)日：2018-09-14
申请号：CN201810224888.5
申请日：2018-03-19
Applicant: 武汉大学
Abstract: 本发明涉及一种基于用户历史网络潜在有害主题引导方法。流程如下：1.根据有害信息的传播方式(如评论、转发等)构建分级评估指标体系，再利用情感倾向性算法构建危害分级模型。2.对危害信息进行主题分类并确定信息的危害级别，然后标记浏览过这些信息的用户。3.根据1中算法去获取每个级别下各个类别的无危害信息，构建分级推荐模型。4.分离出浏览过危害信息的所有用户，并对这些用户进行一段时间的网络浏览痕迹跟踪，并通过预警，查封，推荐，释放四种种方式来干预和释放用户。通过本发明可以渐渐的改变危害信息受众用户的阅读取向，从而间接的净化互联网环境，还可以加强相关部门对危害信息发布人的打击力度和准确度。
-
公开(公告)号：CN109359894B
公开(公告)日：2021-07-06
申请号：CN201811440074.1
申请日：2018-11-29
Applicant: 武汉大学
Abstract: 本发明提供了一种基于RPN的电力计量设备的风险评价方法及装置，其中的方法对现场计量设备的故障类型及参数、故障影响、故障原因的因素分析，主要涉及人员环境、系统功能、维修时间及维修费用四个方面的影响程度，然后构建基于AHP确定评价因素权重，最后进行电力计量设备的风险评价。同时，本发明的方法可以对电力计量设备的维修提供指导。解决了电力计量设备种类繁多、数量巨大、运行工况复杂，造成的评价结果不准确的问题。实现了提高评价结果的准确性以及实现风险等级划分的技术效果。
-
公开(公告)号：CN111061843A
公开(公告)日：2020-04-24
申请号：CN201911369712.X
申请日：2019-12-26
Applicant: 武汉大学
Abstract: 本发明公开了一种知识图谱引导的假新闻检测方法，包括：步骤1、基于假新闻检测数据集，构建知识图谱作为假新闻检测的背景知识，并预训练知识图谱嵌入模型；步骤2、抽取待检测新闻文本中的实体，并连接到知识图谱；步骤3、基于新闻文本与实体，获取新闻文本的词级别增强表示，并基于注意力机制提取新闻文本词级别特征；步骤4、获取新闻文本字级别表示，基于注意力机制抽取新闻文本字级别特征；步骤5、基于实体注意力模型，抽取新闻文本中的实体特征；步骤6、融合待检测新闻文本的词级别特征、字级别特征、实体特征，对待检测新闻文本进行真实性检测。本发明引入知识图谱来引导深度学习模型进行假新闻检测，提高了模型识别准确率与泛化性能。
-
公开(公告)号：CN107169145B
公开(公告)日：2019-11-26
申请号：CN201710465289.8
申请日：2017-06-19
Applicant: 武汉大学
IPC: G06F16/2458 , G06F16/28 , G06K9/62 , G06Q50/06
Abstract: 本发明涉及计算机科学数据挖掘中的聚类和电气工程中的线损标杆值计算等技术领域，具体涉及一种基于聚类算法的用户窃电严重等级检测的方法，1.在电网平台内采集用户用电量异常率、线损率、三相电压/电流、功率因数。2.针对用户计算线损标杆值，比较实际线损率与线损标杆值，对超出值划分区间，得到线损异常等级0~5。3.利用三相电压/电流计算三相电压/电流不平衡率。4.以上述数据为输入样本，采用k‑means聚类算法对其聚类得到6种类别，即窃电严重等级。5.分别计算待检用户数据与6种类别的欧氏距离，距离最近者即为待检用户窃电严重等级。该检测方法利用聚类算法对大量样本进行聚类，可以有效划分出用户窃电严重等级。
-
公开(公告)号：CN109858034A
公开(公告)日：2019-06-07
申请号：CN201910136963.7
申请日：2019-02-25
Applicant: 武汉大学
Abstract: 本发明公开了一种基于注意力模型和情感词典的文本情感分类方法，首先获取需要进行情感分类的目标文本数据集，一部分用作训练集，另一部分作为测试集；并对目标文本数据集进行预处理，生成情感词典；然后基于情感词典，获取对文本数据具有情感表达作用的情感特征；接着获取文本中各词语的词向量，基于词向量和情感特征，计算目标文本的情感特征向量E1；最后基于注意力模型，通过目标文本的情感特征向量获取情感分类结果。本发明通过构建注意力模型，结合情感词典，能进行快速准确的文本情感分类。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.021 seconds)
