-
公开(公告)号：CN117331148A
公开(公告)日：2024-01-02
申请号：CN202311366528.6
申请日：2023-10-20
Applicant: 福建省气象信息中心(福建省气象档案馆) , 福建师范大学 , 福建省福州市气象局
Abstract: 本发明公开基于牛顿冷却定律的气温预测方法，获取气温历史数据并对历史数据进行预处理得到训练数据；构建基于牛顿冷却定律的气温预测模型，建立气温测量装置温度与太阳辐射之间的关系；构建损失函数并求解模型参数得到训练好的气温预测模型；步骤4，将前一天的气温数据和总辐射曝辐量输入训练好的气温预测模型得到p个单位时间的气温预测值。本发明测量装置接受外界环境的热量辐射，同时测量装置也向外辐射，当测量装置温度更低时，其接收辐射热量大于向外辐射热量，从而提高温度；在太阳辐射较弱时，测量装置向外界辐射热量大于接受外界辐射热量，从而测量装置测量的温度降低。本发明通过对历史数据的应用得到合理的参数，以用于气温的预测。
-
公开(公告)号：CN119760453A
公开(公告)日：2025-04-04
申请号：CN202411830721.5
申请日：2024-12-12
Applicant: 福建师范大学 , 福建省气象信息中心(福建省气象档案馆)
IPC: G06F18/232 , G06F18/2415
Abstract: 本发明公开基于密度分层聚类的多密度数据分类方法和分类系统，属于多维数据分类技术领域，该方法通过使用高斯混合模型对各类别数据进行密度分层，分离不同密度层中的数据，再利用DBSCAN算法识别每个密度层中的多种数据区域，形成子类别；最后利用贝叶斯模型实现子类的识别并汇总，从而实现多密度数据的分类；本发明的方法能够更准确地刻画数据的内在结构，使得贝叶斯分类器能够更加精确地适应不同密度区域的特征。
-
公开(公告)号：CN119669877A
公开(公告)日：2025-03-21
申请号：CN202411680727.9
申请日：2024-11-22
Applicant: 福建师范大学 , 福建省气象信息中心(福建省气象档案馆)
IPC: G06F18/2411 , G06F18/213 , G06N3/0464 , G06N3/06 , G06F18/214
Abstract: 本发明公开了一种面向气象要素序列预测的模型及方法，包括：数据输入模块对输入数据进行归一化并做预处理操作；特征提取模块对气象要素数据矩阵利用二维卷积提取出周期性特征和长期特征；周期规律提取模块将周期性特征映射到周期规律；长期趋势提取模块将长期特征映射到长期趋势；短期趋势提取模块生成气象要素对反馈区间和预测区间的短期趋势的预测；初步预测模块加总气象要素的周期规律、长期趋势和短期趋势以求得初步预测结果；噪声反馈模块从气象要素的初步预测中取出反馈区间的预测与真实的反馈序列做差得到反馈噪声序列，再经由线性模块建模预测区间的噪声序列以修正初步预测；最终预测模块加总噪声序列和初步预测结果并逆归一化得到最终预测结果。本发明具有很强的适应性。
-
公开(公告)号：CN115130600A
公开(公告)日：2022-09-30
申请号：CN202210794695.X
申请日：2022-07-07
Applicant: 福建师范大学
Abstract: 本发明涉及一种基于堆叠习惯化自编码器的高维动态数据流异常检测方法，包括初始化阶段和在线异常检测阶段；在初始化阶段，通过采用静态异常检测算法对历史数据进行异常检测，生成异常候选集和正常数据，并利用正常数据生成的微聚类训练堆叠习惯化自编码器；在在线异常检测阶段，通过滑动窗口对动态数据流进行分隔，使用堆叠习惯化自编码器对当前窗口数据和异常候选集进行数据降维，然后使用联合概率密度估计器进行在线异常检测，异常检测产生真实的异常值、异常候选集和正常数据，正常数据用于持续更新堆叠习惯化自编码器，异常候选集用于下一个窗口的异常检测。该方法有利于提高高维动态数据流异常检测效果，降低异常检测时间。
-
公开(公告)号：CN113535717A
公开(公告)日：2021-10-22
申请号：CN202110719254.9
申请日：2021-06-28
Applicant: 福建师范大学
IPC: G06F16/22 , G06F16/2458 , G06F16/248
Abstract: 本发明公开基于Laplacian算子和LSH技术的检索方法及其系统，利用Laplacian算子对函数剧烈变化特别敏感的特性，首先把数据投影到随机生成的法向量上，利用高斯核密度函数把投影转换为数据的概率密度分布，并把高斯核Laplacian算子应用于投影数据求密度分布的二阶导数，从而找到数据投影分布的剧烈变化位置作为超平面的偏移量。本发明能同时兼顾效率、精度和召回率,具有很好的适应性，进一步拓展了局部敏感哈希方法针对大规模高维数据检索的多种分布适应性能力，能够满足各种分布特性数据的应用需求。
-
Patent Agency Ranking
公开(公告)号：CN113313212A
公开(公告)日：2021-08-27
申请号：CN202110726093.6
申请日：2021-06-29
Applicant: 福建师范大学
Abstract: 本发明涉及一种基于果蝇嗅觉神经网络的隐性异常检测方法及其装置，其包括以下步骤：S1：获取一串具有正常的相同数据的数据流为训练组，一串具有正常的相同数据中混有异常数据的混合数据流为测试组；S2：构建一个果蝇嗅觉神经网络，利用训练组对果蝇嗅觉神经网络进行“习惯化”；S3：利用赢者通吃策略对测试组中异常数据特征提取，输出异常数据的稀疏二值化的特征向量；S4：异常数据的稀疏二值化的特征向量输入的全连接层，采用梯度下降法进行训练并输出结果；S5:建立基于果蝇嗅觉神经网络的隐性异常检测模型，采用以上技术方案能够过滤掉冗余信息，增强对具有相似信息中新数据的辨别能力，提高物联网系统隐性异常的检测能力。
-
公开(公告)号：CN113344128B
公开(公告)日：2023-06-23
申请号：CN202110733213.5
申请日：2021-06-30
Applicant: 福建师范大学
Abstract: 本发明涉及一种基于微簇的工业物联网自适应流聚类方法及装置，根据微簇的高密度性，将每一个微簇作为一个参与聚类的数据样本点，计算每个微簇的局部密度以及微簇之间的距离，通过微簇的局部密度以及微簇距离来构建宏簇聚类决策树从而确定聚类中心以及自适应确定宏簇聚类数。并且通过引入了权重衰减函数来不断的更新微簇权重，从而来移除老化的微簇以防止概念演化以及数据漂移问题。此外，本文方法去除了微簇构建过程中相交微簇之间的计算，简化了繁重的剪枝操作，维护了宏观簇所需的最小计算量。
-
公开(公告)号：CN115208651A
公开(公告)日：2022-10-18
申请号：CN202210793836.6
申请日：2022-07-07
Applicant: 福建师范大学
IPC: H04L9/40 , H04L43/04 , H04L43/0876 , G06K9/62
Abstract: 本发明涉及一种基于逆习惯化机制的流聚类异常检测方法及系统，该方法包括以下步骤：（1）对数据进行逆习惯化处理；（2）初始化学习模型；（3）寻找最佳微簇；（4）更新微集群；（5）移除异常微簇；（6）构建宏簇集群。该方法有利于提高流聚类异常检测的速度和有效性。
-
公开(公告)号：CN103605627A
公开(公告)日：2014-02-26
申请号：CN201310640143.4
申请日：2013-12-04
Applicant: 福建师范大学
IPC: G06F13/40
Abstract: 本发明涉及一种全双工总线，特别是涉及一种单线全双工的总线。该单线全双工的总线，由接口电路A和接口电路B组成，其中接口电路A的端口P1和接口电路B的端口P2互相连接。接口电路A由如下部分组成：输出电路缓冲器A、输出驱动电路A、输入电路A、输入电路缓冲器A以及时钟发生电路A。接口电路B由如下部分组成：输出电路缓冲器B，输出驱动电路B，输入电路B，输入电路缓冲器B以及时钟发生电路B。本发明的积极进步效果在于：本发明提供一种单线的全双工总线，是半导体芯片间全双工总线连接最少的解决方案，对节省芯片的引脚有积极的意义。
-
公开(公告)号：CN102902736A
公开(公告)日：2013-01-30
申请号：CN201210335624.X
申请日：2012-09-12
Applicant: 福建师范大学
IPC: G06F17/30
Abstract: 本发明涉及一种基于最小依赖的细粒度科研数据融合系统，该系统主要通过利用数据的最小依赖，采用主动式登记的方式，增强数据源所有者参与的主动性，降低数据源参与者的技术难度，解决一些较小且不完整数据源的数据融合问题。系统采用一种分布式结构，使系统具有良好的扩展性；以最小依赖、基础数据模式和基础数据表的融合系统的数据逻辑层为数据源映射关系提供了一种灵活的机制。系统应用层的系统交互管理服务器和数据发布服务器分别为不同用户提供了可视化的数据管理、登记、访问的方法。存储着系统的信息融合服务器不间断运行，保证数据的及时性，同时融合规则的灵活使用也大大提高了融合的智能性和系统数据的准确性。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.048 seconds)
