-
公开(公告)号:CN112651617A
公开(公告)日:2021-04-13
申请号:CN202011519463.0
申请日:2020-12-21
Applicant: 福州大学
IPC: G06Q10/06 , G06Q10/00 , G06Q50/06 , G06F16/22 , G06F16/2455 , G06F16/2458 , G06K9/62
Abstract: 本发明涉及基于批流统一聚类模式的风电机组异常数据检测方法,将批量聚类和增量聚类结合。使用批量的聚类初始化方式,在首个时间窗口中初始化簇特征。后续窗口采用增量式的聚类方法,这样能够同时满足批量聚类的高精度以及流式聚类的低延迟等特点,可以持续处理大规模持续流入的风电机组群运行数据,并能较快地反映出异常数据所在设备。加入了基于流式迭代的簇特征更新机制。引入迭代流的思想,将风电机组数据簇特征创建成迭代流。进行流式的数据状态广播、双流连接计算,即将两个流式数据进行连接后计算。根据数据的最近簇进行分区,窗口定时更新每个分区的簇特征并将其返回到迭代流中。本发明保证了实时流处理低延迟的特性。
-
公开(公告)号:CN114202395B
公开(公告)日:2024-07-23
申请号:CN202210069273.6
申请日:2022-01-21
Applicant: 福州大学
IPC: G06Q30/0601 , G06F16/9535
Abstract: 本发明涉及一种基于关键商品识别的在线商品推荐方法及系统,该方法包括以下步骤:挖掘商品所属子图;计算商品聚集度;计算每个商品的核心度,将核心度最高的两个商品作为关键商品;计算核心节点的邻居节点与核心节点的相似度,将相似度最高的两个节点加入群体形成群体的核心区域;从核心区域出发,依次将群体邻居商品中使得群体适应度函数增量最大的商品加入群体,形成初步的群体结构;将群体邻居商品中对群体隶属度高于设定阈值的商品加入群体,以此来优化群体结构,得到最终的商品群体;将得到的商品群体中用户还未购买过的商品推荐给用户。该方法及系统有利于精准、高效地向用户推荐商品。
-
公开(公告)号:CN112651617B
公开(公告)日:2022-07-01
申请号:CN202011519463.0
申请日:2020-12-21
Applicant: 福州大学
IPC: G06Q10/06 , G06Q10/00 , G06Q50/06 , G06F16/22 , G06F16/2455 , G06F16/2458 , G06K9/62
Abstract: 本发明涉及基于批流统一聚类模式的风电机组异常数据检测方法,将批量聚类和增量聚类结合。使用批量的聚类初始化方式,在首个时间窗口中初始化簇特征。后续窗口采用增量式的聚类方法,这样能够同时满足批量聚类的高精度以及流式聚类的低延迟等特点,可以持续处理大规模持续流入的风电机组群运行数据,并能较快地反映出异常数据所在设备。加入了基于流式迭代的簇特征更新机制。引入迭代流的思想,将风电机组数据簇特征创建成迭代流。进行流式的数据状态广播、双流连接计算,即将两个流式数据进行连接后计算。根据数据的最近簇进行分区,窗口定时更新每个分区的簇特征并将其返回到迭代流中。本发明保证了实时流处理低延迟的特性。
-
公开(公告)号:CN114202395A
公开(公告)日:2022-03-18
申请号:CN202210069273.6
申请日:2022-01-21
Applicant: 福州大学
IPC: G06Q30/06 , G06F16/9535
Abstract: 本发明涉及一种基于关键商品识别的在线商品推荐方法及系统,该方法包括以下步骤:挖掘商品所属子图;计算商品聚集度;计算每个商品的核心度,将核心度最高的两个商品作为关键商品;计算核心节点的邻居节点与核心节点的相似度,将相似度最高的两个节点加入群体形成群体的核心区域;从核心区域出发,依次将群体邻居商品中使得群体适应度函数增量最大的商品加入群体,形成初步的群体结构;将群体邻居商品中对群体隶属度高于设定阈值的商品加入群体,以此来优化群体结构,得到最终的商品群体;将得到的商品群体中用户还未购买过的商品推荐给用户。该方法及系统有利于精准、高效地向用户推荐商品。
-
-
-