-
公开(公告)号：CN115225516B
公开(公告)日：2023-09-12
申请号：CN202210840879.5
申请日：2022-07-18
Applicant: 重庆邮电大学
IPC: H04L41/14 , H04L41/142 , H04L41/147 , H04L41/40 , G06N3/006 , G06Q10/04 , G06Q50/30
Abstract: 本发明属于网络流量预测领域，具体涉及一种基于改进ABC‑VMD的最小二乘支持向量机网络流量预测方法，该方法包括：获取非平稳SDN网络流量数据；采用优化的变分模态分解法将非平稳SDN网络流量数据进行转换分解，得到平稳时间序列分量；采用最小二乘支持向量机对每个平稳时间序列分量进行预测，得到每个分量的预测数据；将每个分量预测数据进行重构，得到网络流量预测结果；本发明采用人工蜂群算法对变分模态分解法中的参数进行优化，采用优化后的变分模态分解法对非平稳SDN网络流量数据进行转换分解，得到了平稳时间序列分量；采用参数最小二乘支持向量机对每个平稳时间序列分量进行预测，使得预测的结果更精确。
-
Patent Agency Ranking
公开(公告)号：CN116467879B
公开(公告)日：2025-04-08
申请号：CN202310446838.2
申请日：2023-04-24
Applicant: 重庆邮电大学
IPC: G06F30/20 , G06F30/18 , G06F18/214 , G06F18/2411 , F17D5/06 , G01M3/24 , G06F113/08 , G06F113/14
Abstract: 本发明属于流体管道泄漏检测领域，涉及一种基于改进的模糊孪生支持向量机的流体管道泄漏检测方法，包括：获取流体管道在不同泄露程度的振动声信号；对发生不同泄露程度的振动声信号进行特征提取，并对提取后的特征数据进行归一化处理；将归一化处理后的数据输入到改进模糊孪生支持向量机模型，得到管道泄漏检测结果；本发明利用不同样本的空间相对距离比值，对样本空间进行了区域划分，并在噪声和支持向量混叠区域引入了模糊数据集理论以进行区分，正常和噪声数据区域也重新进行了隶属度赋值，其在降低噪声数据对辨识模型的影响下也解决了FTSVM无法区分支持向量和噪声数据而导致模型鲁棒性差的缺点。
-
公开(公告)号：CN115496103A
公开(公告)日：2022-12-20
申请号：CN202211171673.4
申请日：2022-09-26
Applicant: 重庆邮电大学
Abstract: 本发明属于流体管道泄漏检测领域，具体涉及一种压缩感知域下基于改进的PSO‑LSTSVM的流体管道泄漏识别方法，该方法包括：获取流体管道信号，对流体管道信号进行压缩感知处理，得到压缩信号；对压缩信号进行特征提取，得到特征数据集；采用改进的PSO‑LSTSVM模型对特征数据集中的特征数据进行处理，得到识别结果；本发明提出了一种衰减变幅策略，通过该策略对惯性权重、学习因子等参数进行动态变化，以平衡粒子群优化算法在搜索过程中的全局搜索和局部搜索能力的关系，避免优化算法陷入局部最优解，提高其收敛效率，最终用其优化LSTSVM，以实现识别模型的性能提升。
-
公开(公告)号：CN116467879A
公开(公告)日：2023-07-21
申请号：CN202310446838.2
申请日：2023-04-24
Applicant: 重庆邮电大学
IPC: G06F30/20 , G06F30/18 , G06F18/214 , G06F18/2411 , F17D5/06 , G01M3/24 , G06F113/08 , G06F113/14
Abstract: 本发明属于流体管道泄漏检测领域，涉及一种基于改进的模糊孪生支持向量机的流体管道泄漏检测方法，包括：获取流体管道在不同泄露程度的振动声信号；对发生不同泄露程度的振动声信号进行特征提取，并对提取后的特征数据进行归一化处理；将归一化处理后的数据输入到改进模糊孪生支持向量机模型，得到管道泄漏检测结果；本发明利用不同样本的空间相对距离比值，对样本空间进行了区域划分，并在噪声和支持向量混叠区域引入了模糊数据集理论以进行区分，正常和噪声数据区域也重新进行了隶属度赋值，其在降低噪声数据对辨识模型的影响下也解决了FTSVM无法区分支持向量和噪声数据而导致模型鲁棒性差的缺点。
-
公开(公告)号：CN116150687A
公开(公告)日：2023-05-23
申请号：CN202211108648.1
申请日：2022-09-13
Applicant: 重庆邮电大学
IPC: G06F18/2431 , G06F18/214 , G06F18/2411
Abstract: 本发明属于管道泄漏识别技术领域，具体涉及一种基于多分类G‑WLSTSVM模型的流体管道泄漏识别方法，包括：获取供水管道的不同泄漏工况下的泄漏数据，对数据进行预处理，对预处理后的数据划分训练集和测试集，利用GMM模型确定训练集中各工况下的数据样本的权值，并构建权重矩阵，利用正则项和权重矩阵改进非线性LSTSVM模型，并根据“一对一”策略将改进的模型作为子分类器，构建多分类G‑WLSTSVM模型，通过训练集训练该模型，并通过测试集测试该模型的识别准确率，得到最优的检测模型。本发明解决了管道各工况数据采集过程中不可避免的环境噪声使得泄漏样本中存在离群样本的问题，提高了管道泄漏识别的准确率。
-
公开(公告)号：CN115225516A
公开(公告)日：2022-10-21
申请号：CN202210840879.5
申请日：2022-07-18
Applicant: 重庆邮电大学
IPC: H04L41/14 , H04L41/142 , H04L41/147 , H04L41/40 , G06N3/00 , G06Q10/04 , G06Q50/30
Abstract: 本发明属于网络流量预测领域，具体涉及一种基于改进ABC‑VMD的最小二乘支持向量机网络流量预测方法，该方法包括：获取非平稳SDN网络流量数据；采用优化的变分模态分解法将非平稳SDN网络流量数据进行转换分解，得到平稳时间序列分量；采用最小二乘支持向量机对每个平稳时间序列分量进行预测，得到每个分量的预测数据；将每个分量预测数据进行重构，得到网络流量预测结果；本发明采用人工蜂群算法对变分模态分解法中的参数进行优化，采用优化后的变分模态分解法对非平稳SDN网络流量数据进行转换分解，得到了平稳时间序列分量；采用参数最小二乘支持向量机对每个平稳时间序列分量进行预测，使得预测的结果更精确。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
