-
公开(公告)号：CN118940164B
公开(公告)日：2025-05-06
申请号：CN202410995815.1
申请日：2024-07-24
Applicant: 重庆邮电大学
IPC: G06F18/2431 , G06F18/2415 , G06F18/25 , G06Q50/26 , G06F40/30 , G06V10/62 , G06V10/74 , G06V10/82 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/084 , G06F123/02
Abstract: 本发明涉及大数据处理技术和公共安全突发事件检测技术领域，特别涉及一种基于大数据的公共安全突发事件检测方法，包括构建并训练突发事件检测模型，将待检测公共数据输入训练好的突发事件检测模型，输出检测结果；所述突发事件检测模型包括时空图关联网络模块、全局语义聚合模块、多尺度时空关联混合注意力模块；本发明显著提高了突发事件检测的准确性和效率。
-
公开(公告)号：CN118965105A
公开(公告)日：2024-11-15
申请号：CN202411001090.6
申请日：2024-07-25
Applicant: 重庆邮电大学
IPC: G06F18/241 , G06F18/25 , G06F18/213 , G06F11/36
Abstract: 本发明属于深度学习领域，特别涉及一种基于大数据的软件缺陷类别预测方法，包括从不同源域中采集软件的运行数据，对数据进行预处理操作；计算每个源域数据的权重，同时将预处理后的数据利用特征完全提取技术提取每个源域的数据特征；使用注意力机制对不同源域的特征加权得到第一融合特征，将不同域数据和其对应的注意力权重输入通过Flort模板融合得到第二融合特征；将第一融合特征和第二融合特征进行最后的融合得到最终融合特征，将最终融合特征作为多源域融合分类器模型的输入；多源域融合分类器模型考虑源域与目标源、源域与源域之间的关系对预测输入的特征是否存在目标域中的缺陷类型。本发明提高了软件缺陷类别预测的准确性和稳定性。
-
公开(公告)号：CN117453916B
公开(公告)日：2024-10-11
申请号：CN202311403088.7
申请日：2023-10-26
Applicant: 重庆邮电大学
IPC: G06F16/35 , G06F18/214 , G06F18/241 , G06F18/213 , G06N3/0464
Abstract: 本发明属于社交网络安全领域，具体涉及一种基于大数据的微博异常用户检测方法；包括：获取带标签的微博用户数据；根据微博用户数据提取用户行为特征和用户文本特征，得到用户行为特征高维表征和用户文本特征高维表征；根据微博用户数据提取用户基本特征，得到用户基本特征高维表征；对三种高维表征进行两两交互，得到基本‑行为特征表、基本‑文本特征表和行为‑文本特征表；对三种特征表进行处理，得到用户交叉高维特征；将用户交叉高维特征输入到全连接神经网络中进行处理，得到异常用户检测结果；计算全连接分类损失并根据全连接分类损失调整模型参数，得到训练好的异常用户检测模型；本发明检测结果准确，有助于相关部分对舆情进行控制。
-
公开(公告)号：CN118551893A
公开(公告)日：2024-08-27
申请号：CN202410698978.3
申请日：2024-05-31
Applicant: 重庆邮电大学
IPC: G06Q10/04 , G06Q10/0637 , G06Q50/26 , G06N3/042 , G06N3/045 , G06N3/0442 , G06N3/08
Abstract: 本发明属于数据分析技术领域，特别涉及一种面向5G需求的人群流量大数据预测方法，包括将待预测区域划分为多个小区域，将每个小区域视为一个节点，获取节点特征以及节点之间的边权特征；将节点特征和边权特征转换为向量表示，将向量表示与节点和边的位置编码一同作为输入数据输入图神经网络；通过节点以及边权关系构建图数据，利用图神经网络对构建的图数据中每个节点进行迭代更新，得到每个节点的第一特征向量；将每个节点的第一特征向量输入图注意力网络，得到每个节点的第二特征向量；将待预测区域内某个时刻数据分为实时数据、周期数据以及异常数据三层数据，将当前层数据通过增强记忆调整网络模型处理后与下一层数据拼接后作为下一层的增强记忆调整网络模型的输入，最后一层的增强记忆调整网络模型输出第三特征向量；将第二特征向量和第三特征向量拼接在一起后输入全连接层，得到当前区域的流量预测；本发明通过综合利用自动化学习和高级网络模型，有效提升了人群流量预测的准确性和效率，特别适用于5G时代的大数据环境。
-
公开(公告)号：CN118411049A
公开(公告)日：2024-07-30
申请号：CN202410506841.3
申请日：2024-04-25
Applicant: 重庆邮电大学
IPC: G06Q10/0637 , G06Q50/04
Abstract: 本发明属于光伏发电技术领域，具体涉及一种基于大数据的分布式光伏发电功率短期预测方法；包括：构建无向带权异构图，得到所有节点的原始节点特征；从异构图中提取连接性特征和重要性特征；采用功率时序图卷积神经网络对重要性特征和时间序列特征进行处理，得到节点的第一更新节点特征；采用图注意力机制对重要性特征和第一更新节点特征进行处理，得到第二更新节点特征；采用多头路径图注意力机制对连接性特征和第一更新节点特征进行处理，得到第三更新节点特征；融合三种更新节点特征，得到综合特征并将其输入到多层感知机中，得到光伏发电站预测发电功率；本发明可提高发电功率的预测效能，有助于维持电网稳定。
-
Patent Agency Ranking
公开(公告)号：CN118410700A
公开(公告)日：2024-07-30
申请号：CN202410461794.5
申请日：2024-04-17
Applicant: 重庆邮电大学
IPC: G06F30/27 , G06F18/214 , G06N3/045 , G06N3/0442 , G06F18/25 , G06F119/02 , G06F111/08
Abstract: 一种电力系统低压断路器剩余机械寿命预测方法，包括：获取低压断路器的参数，该参数包括电流、电压以及温度；抽取参数的原始特征，构建低压断路器的行为序列，采用随机游走策略对行为序列进行处理，得到行为表征；将原始特征输入到LateAttentionLSTM模块中，将行为表征中输入到DeepFM模块中，得到时序表征和衍生行为表征；将时序表征和衍生行为表征输入到TACrossBlock，交互输出时序与行为的联合特征；将时序与行为的联合特征输入到下游结构中，得到低压断路器的剩余机械寿命；本发明对采集到的低压断路器的运行参数进行建模，采用不同的时间粒度对大量冗余数据进行层级抽样，抽取出关键有效的序列信息。
-
公开(公告)号：CN118277766A
公开(公告)日：2024-07-02
申请号：CN202410538517.X
申请日：2024-04-30
Applicant: 重庆邮电大学
IPC: G06F18/213 , G06F18/23 , G06Q50/06 , G06N3/0464 , G06N3/08 , H02J3/00
Abstract: 本发明涉及机器学习、深度学习、大数据技术领域，特别涉及一种基于大数据的海上风电发电功率预测方法，包括获取风电场相关信息数据，并对风电场相关数据进行预处理；基于预处理后的数据构建特征，获得风电发电数据特征、高阶环境特征、时间特征以及日相似性聚类特征；采用基于后向特征选择方法，从获取的的特征中选择最佳的特征群；将特征群中的特征输入建立的预测模型，输出预测的发电功率；本发明可以充分发挥两种模型在不同情况下的优势，提高预测的准确性和稳定性，从而更好地应对海上风电发电的实际情况。
-
公开(公告)号：CN117786564A
公开(公告)日：2024-03-29
申请号：CN202311575884.9
申请日：2023-11-23
Applicant: 重庆邮电大学
IPC: G06F18/2433 , G06F18/241 , G06F18/23213 , G06F18/213 , G06F18/25 , G06F18/214 , G06Q50/06 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明属于异常用电检测技术领域，具体涉及一种异常用电智能检测方法，包括：获取待检测的电网用户数据；输入异常用电检测模型中；得到电网用户的异常用电检测结果。异常用电检测模型的训练过程主要包括：获取模型训练样本；提取用户每日用电量行为表征向量序列，提取用户用电量行为表征向量，通过聚类获得用户类别特征；将用户用电量行为表征向量和连续型特征向量进行拼接并输入特征交叉网络，将用户每日用电量行为表征向量序列输入条件层级归一化网络；通过全连接神经网络进行迭代训练；损失函数收敛，则训练结束，得到训练后的异常用电检测模型。本发明参考用户的多样性以及用户用电习惯的周期性影响，有效提高异常用电检测的准确性。
-
公开(公告)号：CN117743004A
公开(公告)日：2024-03-22
申请号：CN202311576916.7
申请日：2023-11-23
Applicant: 重庆邮电大学
IPC: G06F11/07 , G06F18/243 , G06F18/214 , G06F18/213 , G06N20/20 , G06F123/02
Abstract: 本发明涉及机器学习和数据挖掘技术领域，具体涉及一种基于多源类别不平衡数据的系统故障检测方法，包括：获取系统中每个服务器的多源时序数据，根据多源时序数据得到初始数据集；对初始数据集进行特征工程，得到结构化数据集；使用标签特定距离度量算法对结构化数据集进行处理，得到实例集合和近邻实例集合；通过多标签分层抽样方法对结构化数据集进行划分，得到训练集和测试集；对实例集合和近邻实例集合进行采样，得到采样训练集；建立分类器链模型，将采样训练集输入分类器链模型进行训练，得到训练好的分类器链模型；本发明通过标签特定采样方法，有效地平衡各个故障源的实例数量，确保每个故障类别在训练过程中都能得到充分的关注。
-
-
-
-
-
-
-
-
-
Search Results
242
records
(took 0.03 seconds)
