公开(公告)号：CN107423758A

公开(公告)日：2017-12-01

申请号：CN201710577583.8

申请日：2017-07-15

Applicant: 西安电子科技大学

Inventor： 孔宪光 ,  刘燕龙 ,  常建涛

IPC: G06K9/62

CPC classification number: G06K9/6232 ,  G06K9/6227

Abstract: 本发明公开了一种从趋势点提取序列重要点的驾培作弊学时方法，解决了对驾培作弊学时识别效率和精度较低的问题。其实现步骤有：从驾培信息数据中选取能反映出异常片段的字段序列数据；将字段序列数据归一化处理；提取该字段序列的趋势点，进而从中提取重要点；用重要点分段表示该字段序列，再结合异常检测方法中反k近邻法对该字段序列各分段的异常程度定量评估，将“异常因子”较高的片段作为作弊学时。本发明整个方案设计严谨、完整，具备对海量驾培信息数据的分析能力，驾培作弊学时识别效率和准确度高，可用于检测驾培信息数据中的作弊学时。

公开(公告)号：CN107301243A

公开(公告)日：2017-10-27

申请号：CN201710550324.6

申请日：2017-07-07

Applicant: 西安电子科技大学

Inventor： 孔宪光 ,  常建涛 ,  王佩 ,  刘燕龙 ,  殷磊

IPC: G06F17/30 ,  G01R31/327 ,  G01M13/00

CPC classification number: G06F16/24532 ,  G01M13/00 ,  G01R31/3275 ,  G06F16/172 ,  G06F16/176 ,  G06F16/182 ,  G06F16/2471 ,  G06F16/248 ,  G06F16/258

Abstract: 本发明提出了一种基于大数据平台的开关设备故障的特征提取方法，主要解决现有技术在面对海量开关设备故障的数据时，不能高效、准确地对各种故障类型进行特征提取的问题。其实现方案是：搭建Hadoop子平台进行数据收集、存储及数据预处理；搭建SparkR平台进行多变量多尺度熵MMSE的分布式计算，并将计算结果保存到分布式文件系统HDFS中；从HDFS下载计算结果，利用R软件绘制开关设备各故障的多变量样本熵曲线；根据各故障的多变量样本熵曲线，选取对应尺度因子范围的多变量样本熵值作为各故障的特征参数。本发明整个方案设计严谨、完整，具备海量数据存储与分布式计算能力，故障特征提取的效率和准确性高，可以为及时诊断和预判开关设备故障提供依据。