-
公开(公告)号：CN101782976A
公开(公告)日：2010-07-21
申请号：CN201010017918.9
申请日：2010-01-15
Applicant: 南京邮电大学
IPC: G06N99/00
Abstract: 本发明是一种基于云计算环境的机器学习自主选择方法。通过使用云计算平台，用户无需搭建机器学习的运行环境，也无需选择机器学习算法，更不用调整纷繁复杂的机器学习函数及其附带的参数，只需使用Web方式上传样本数据，就能自动智能的建立符合实际问题的机器学习数学模型。本发明使机器学习的使用摆脱了环境的束缚，发挥了云计算平台的优势，使得机器学习建模针对用户透明，最大程度的降低了机器学习的使用门槛。解决了在实际应用机器学习时，建模选择的难以预测性、参数调整的人工经验性、普通用户困难等缺点。
-
公开(公告)号：CN119938227A
公开(公告)日：2025-05-06
申请号：CN202510015947.8
申请日：2025-01-06
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于概率语言和资源相似度的算力网络容器迁移方法，属于算力网络领域，包括：根据容器资源平均需求量计算容器需求语义概率，根据资源实际需求和声明需求，构建多维资源判断矩阵并计算容器需求语义向量，计算容器资源需求概率语言量化向量。计算算力节点资源语义概率矩阵，构建算力节点可用资源概率语言矩阵，计算算力节点可用资源概率语言量化矩阵。根据容器资源需求概率语言量化向量和算力节点可用资源概率语言量化矩阵计算资源相似度向量，选择相似度最大的算力节点进行容器迁移。本发明有效量化了容器资源需求和算力节点资源情况之间多维数据的相似性，保证了迁移结果，既满足用户容器的需求又提高算力网络运行的稳定和高效。
-
公开(公告)号：CN119646652A
公开(公告)日：2025-03-18
申请号：CN202411680715.6
申请日：2024-11-22
Applicant: 南京邮电大学
IPC: G06F18/2415 , G06F18/2321 , G06N3/0464 , G06N3/086 , G06Q50/06
Abstract: 本发明公开一种基于标准差复合滑动窗与图像特征二值化的非侵入式负荷监测方法，利用使用三点式中值滤波算法对电压电流数据进行滤波处理，构建改进标准差复合滑动窗双边对负荷状态变化进行检测，引入标准差窗口提高对小电流电器的检测精度，通过滑动累计和判断是否有事件发生。对检测到的发生事件前后的电流等电气数据做差值得到新的数据集，绘制V‑I轨迹图像，运用图像二值化，提取负荷状态变化时刻V‑I轨迹面积特征。将V‑I轨迹特征结合季节性电器概率特性，采用GEP算法对卷积神经网络参数进行优化，得到GEP‑CNN负荷识别算法，以达到准确地分解和识别各种电气设备的状态。
-
公开(公告)号：CN119577333A
公开(公告)日：2025-03-07
申请号：CN202411642328.3
申请日：2024-11-18
Applicant: 国网宁夏电力有限公司电力科学研究院 , 南京邮电大学
Abstract: 本发明提供考虑时间与精度优先的电力系统异常数据恢复方法及系统，属于电力数据安全技术领域。包括：获取电力数据判断是否存在异常值；基于安全防护等级指标和响应恢复等级指标得出各异常值在两个维度的量化值组成行向量，并进一步建立决策指标矩阵；利用层次分析法确定出权重矩阵；基于决策指标矩阵和权重矩阵计算出各异常值的综合评分；根据综合评分以及阈值确定出优先级标签，为电力数据集中各个异常值进行标签处理，得到具有优先级标签的数据集；采用优先级标签对应的恢复算法恢复数据集中各异常值，得到正常数据集；恢复算法包括高精度恢复算法以及快速恢复算法；将正常数据集发至数据控制中心，为后续电力系统的实时决策分析提供数据来源。
-
公开(公告)号：CN117422689B
公开(公告)日：2024-05-31
申请号：CN202311426256.4
申请日：2023-10-31
Applicant: 南京邮电大学
IPC: G06T7/00 , G06T5/73 , G06V10/82 , G06V10/774 , G06V10/80 , G06V20/70 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于改进MS‑PReNet和GAM‑YOLOv7的雨天绝缘子缺陷检测方法，属于绝缘子缺陷检测技术领域；对绝缘子缺陷数据集进行加雨操作，对数据集进行预处理；构建MS‑PReNet去雨网络模型，对MS‑PReNet去雨网络模型进行训练；将新的数据集进行绝缘子缺陷真实目标框标注；根据数据集的绝缘子缺陷真实目标框，聚类生成不同尺寸的锚框；构建GAM‑YOLOv7目标检测网络模型，GAM‑YOLOv7目标检测网络模型进行训练；对MS‑PReNet去雨网络模型与GAM‑YOLOv7目标检测网络模型进行测试、验证。本发明通过MS‑PReNet去雨网络模型中的添加多尺度特征融合模块MSFM有效地去除雨滴造成的图像噪声和光照不均匀现象，提高图像质量；在GAM‑YOLOv7目标检测网络模型中添加全局注意力机制GAM，进行绝缘子缺陷检测，提高绝缘子缺陷的准确率和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN117478365A
公开(公告)日：2024-01-30
申请号：CN202311341233.3
申请日：2023-10-17
Applicant: 南京邮电大学
Abstract: 本发明公开了一种计及攻击的能源互联网用电数据软恢复方法、设备及介质，通过在考虑噪声的情况下，根据不同的入侵攻击场景以及用电数据固有的周期特性，分解用电数据矩阵，并依据电网拓扑结构，结合时空相关特性，构建用电关系的时空正则化项，构建入侵用电数据模型，再依据矩阵补全和ADMM等理论方法，最终实现网络攻击环境下能源互联网数据的高精度软恢复。本发明能够有效地处理量测数据中的缺失、异常数据，并快速恢复能源互联网数据，本技术是一种策略性方法，通过使用本方法可以使得网络攻击环境下能源互联网数据的高精度软恢复，保证相关业务系统正常提供服务。
-
公开(公告)号：CN116865991A
公开(公告)日：2023-10-10
申请号：CN202310591364.0
申请日：2023-05-24
Applicant: 南京邮电大学
Abstract: 基于分布式状态估计的有源配电网攻击检测方法，首先将电力信息系统中的节点分为N个区域，并对每一区域中的节点建立有源配电网非线性量测模型，利用系统量测数据估计出状态量；针对虚假数据注入攻击与DOS攻击，通过马尔科夫过程判断各区域量测值是否遭受网络攻击，若某区域遭受网络攻击则判定该区域为被攻击区域；根据被攻击区域的测量值，使用扩展卡尔曼滤波模型对异常数据进行剔除与修正。本方法不仅可以使得配电网的状态得到快速准确估计，并且能够有效识别传统不良数据检测方法无法辨识的虚假数据攻击与DOS攻击，同时对异常数据进行剔除与修正，对提高有源配电网状态估计可靠性具有重要的实际应用价值。
-
公开(公告)号：CN116502106A
公开(公告)日：2023-07-28
申请号：CN202310440028.6
申请日：2023-04-23
Applicant: 南京邮电大学
IPC: G06F18/2321 , H02J13/00 , G06N3/006 , G06Q50/06 , G06N3/126
Abstract: 本发明提出一种基于用户时间特性和多特征GEP的非侵入式负荷分解方法，利用基于密度的DBSCAN算法，结合时间分段设计功率和电流特征参数,以功率和电流谐波作为为负荷特征。对用户每日时间进行分段，计算不同时间段用户负荷使用概率。采用多特征GEP算法对最优函数进行了改进，结合时间分段概率特性，以达到准确地分解和识别各种电气设备的状态。与侵入式对比，非侵入式只在在用户入口处的总采集端设置监控设备，并对其进行测量分析，得出了各种负载在系统中的组成及状态。从面向用户的角度来看，非侵入式负荷分解的结果不仅可以提示用户哪些设置可能存于异常故障，还帮助用户根据用电状况详细的了解，有效地节约能源。
-
公开(公告)号：CN114666409B
公开(公告)日：2023-07-25
申请号：CN202210180888.6
申请日：2022-02-26
Applicant: 南京邮电大学
IPC: H04L67/568 , H04L67/10 , H04L67/1021 , H04L67/1008 , H04L67/51 , H04W28/14
Abstract: 本发明涉及一种边缘计算环境中基于缓存管理的服务迁移方法，将边缘节点上的资源分为三部分，包括运存状态服务占用资源、停机状态服务占用资源、以及空闲资源，监测边缘节点上所有服务运行所需的资源，根据待迁入服务，针对基站边缘云中心进行分析，逐层执行运行状态服务分析、停机状态服务分析、边缘节点空闲资源分析、以及停机状态服务占用资源释放分析，进而完成服务迁移设计策略，并在其中引入时间衰减策略，为停机状态服务资源释放的执行提供顺序依据，综合整个方案设计，提高了边缘节点中服务缓存的命中率，在完成基本服务迁移的同时，可以有效减少迁移次数，并最大化利用边缘节点的缓存功能。
-
公开(公告)号：CN116128164A
公开(公告)日：2023-05-16
申请号：CN202310393294.8
申请日：2023-04-13
Applicant: 南京邮电大学
IPC: G06Q10/04 , G06Q50/06 , G06F21/62 , G06F21/60 , G06F18/213 , G06N3/0442 , G06N3/045 , G06N3/098 , G06N3/006
Abstract: 一种基于隐私保护的电力负荷短期预测系统及方法，是一种在影响因素复杂多变的负荷预测系统中，将BiLSTM神经网络与联邦学习相结合，利用BiLSTM的特性更加有效地学习各客户端本地负荷向量的时序特性，运用联邦学习保护各客户端的数据隐私并解决全局模型聚合过程中的隐私泄露问题的方法，它主要包含特征提取、LSTM双向学习、隐私保护三个部分。通过本方法可有效提高负荷预测模型的泛化能力，保护用户的数据隐私，提高电力负荷短期预测的精度和效率。
-
-
-
-
-
-
-
-
-
Search Results
193
records
(took 0.03 seconds)
