-
公开(公告)号：CN119992502A
公开(公告)日：2025-05-13
申请号：CN202510465508.7
申请日：2025-04-15
Applicant: 烟台大学
IPC: G06V20/56 , G06V10/52 , G06V10/80 , G06V10/82 , G06V10/77 , G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本发明涉及3D图像生成技术领域，具体为基于频率感知特征融合的3D车道线生成方法和系统；通过设计包括用于提取图像不同深度尺度特征的多尺度特征提取网络，用于从高分辨率特征中提取高频信息、并与低分辨率特征进行融合以增强低分辨率特征的表达能力的频率金字塔网络，用于提取更稳健、更高级的BEV特征的空间转化融合网络，用于生成3D车道线的车道线提取网络的3D车道线生成模型，来提高了3D车道线生成的准确性和鲁棒性，能够更好地应对复杂环境中的变化，同时保持良好的实时性，适用于自动驾驶和辅助驾驶系统，展现出广阔的应用前景。
-
公开(公告)号：CN119676094A
公开(公告)日：2025-03-21
申请号：CN202510185592.7
申请日：2025-02-20
Applicant: 烟台大学
IPC: H04L41/12 , H04L41/142 , H04L41/16 , H04L41/0631 , H04L67/12 , G06N3/04 , G06N3/08 , G06N5/022
Abstract: 本发明涉及工业物联网检测技术领域，尤其是涉及一种基于联邦图神经网络工业物联网设备检测方法及系统。所述方法，包括获取每个设备的实时运行状态数据和传感器的测量值，利用输入数据作为设备节点特征构建拓扑图，并基于拓扑图引入知识图谱，将客户端设备状态与知识图谱信息进行融合，引入注意力机制对客户端本地模型的权重进行自适应调整；基于融合后的节点特征进行特征增强，建立基于强化学习的联邦图神经网络客户端动态调度策略，利用全局模型进行图结构数据的节点分类任务，本发明基于融合后的节点特征进行特征增强、引入投影头和计算对比损失，提升了模型在缺乏标注数据下的性能，使模型学习到更稳健特征，增强了对设备故障的判断准确性。
-
公开(公告)号：CN119339245A
公开(公告)日：2025-01-21
申请号：CN202411863953.0
申请日：2024-12-18
Applicant: 烟台大学
Abstract: 本发明涉及海洋赤潮预测技术领域，尤其是涉及一种基于双通道时空图神经网络的赤潮异常预测方法及系统。方法，包括将预处理后的海洋环境监测数据转换成图结构，其中节点表示海洋监测站；并基于皮尔逊相关系数构造邻接矩阵，邻接矩阵元素表示节点之间的空间相关性；利用时空图神经网络对图结构进行空间和时间特征提取；本发明结合了时空图神经网络与遥感图像数据的深度特征提取能力，通过图卷积和卷积神经网络（CNN）多层操作，实现了海洋赤潮异常的精准预测。
-
公开(公告)号：CN118841979B
公开(公告)日：2025-01-21
申请号：CN202411311278.0
申请日：2024-09-20
Applicant: 烟台大学
IPC: H02J3/00 , G06F18/2415 , G06F18/10 , G06N3/094 , G06F17/16
Abstract: 本发明涉及模型运算技术领域，尤其是涉及一种基于多尺度异常检测的电力系统负荷预测方法及系统。方法，包括构建Transformer‑XL与生成对抗网络相结合的负荷预测模型；基于负荷预测模型对电力系统多源数据进行预测，得到负荷预测数据；基于多尺度卷积变分自编码器对电力系统多源数据进行异常检测，得到异常检测结果；将异常检测结果和负荷预测结果相融合，生成综合评分；根据生成的综合评分，利用贝叶斯优化自动调整关键超参数。本发明能够更好地处理电力负荷数据中的非线性和多维度变化，从而显著提升了负荷预测的精度。
-
公开(公告)号：CN119561045A
公开(公告)日：2025-03-04
申请号：CN202411824557.7
申请日：2024-12-12
Applicant: 烟台大学
IPC: H02J3/00 , G06Q10/0631 , G06Q50/06
Abstract: 本发明涉及电力调度优化技术领域，尤其是涉及一种基于强化学习的多源电力实时调度优化方法及系统。方法，包括获取分时段的发电设备需求负载信息数据；构建混合风火分布式发电的最佳调度策略模型；采用蒙特卡洛方法和double‑Q学习算法优化最佳调度策略模型；利用最佳调度策略模型进行多源电力实时调度优化。本发明通过强化学习方法实时优化多源电力的调度方法，寻找最优电力调度策略，与传统方法相比，降低电力成本15%以上，同时能够实现自动化调度，减少人工干预和经验依赖。
-
Patent Agency Ranking
公开(公告)号：CN119312267A
公开(公告)日：2025-01-14
申请号：CN202411874061.0
申请日：2024-12-19
Applicant: 烟台大学
IPC: G06F18/2433 , G06F18/15 , G06F18/213 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/048 , G06F123/02
Abstract: 本发明涉及海洋环境监测技术领域，尤其是涉及一种面向海洋生态的时空图神经网络异常检测方法及系统。方法，包括获取海洋监测数据；对获取的海洋监测数据进行数据预处理；基于预处理的海洋监测数据进行时空图结构构建；利用异常检测模型对构建时空图结构进行时空特征提取；对提取的时空特征进行特征融合；基于多尺度异常评分机制进行海洋生态系统局部异常和全局异常评分。本发明设计了统一的数据处理框架,能够同时处理卫星遥感数据、水质监测数据、生物调查数据等多源异构数据,充分利用各类数据所包含的信息,提高异常检测的全面性和准确性。通过时空图结构的构建,有效捕捉不同数据源之间的关联关系,为异常检测提供更全面的特征表达。
-
公开(公告)号：CN119227060A
公开(公告)日：2024-12-31
申请号：CN202411754733.4
申请日：2024-12-03
Applicant: 烟台大学 , 济南三泽信息安全测评有限公司
IPC: G06F21/55 , G06N3/0455 , G06N3/084 , G06N3/045
Abstract: 本发明涉及蜜罐交互技术领域，尤其是涉及一种基于编码器和解码器的工业蜜罐高交互方法及系统。方法，包括：获取水处理数据；利用获取的水处理数据训练编码‑解码器模型，其中，对编码‑解码器模型的输出进行损失函数计算；直至达到最大训练轮数R后停止对模型训练，并保存模型参数；将保存的模型参数生成长期模拟数据，并按时间顺序写入寄存器数值配置文件中；利用蜜罐根据生成的寄存器数值配置文件对攻击者的请求进行响应。本申请利用经过Huber范数平滑的分位数损失函数替换常用的MSE损失函数，能够在模拟过程中避免异常值的产生并有效的延长模拟时长。
-
公开(公告)号：CN119203126A
公开(公告)日：2024-12-27
申请号：CN202411338712.4
申请日：2024-09-25
Applicant: 烟台大学
IPC: G06F21/55 , G06Q50/06 , G06N3/0464 , G06N3/042
Abstract: 本发明涉及数据处理技术领域，尤其是涉及一种基于图卷积网络的电力虚假数据攻击检测方法及系统。方法，包括基于SCADA系统数据进行电网状态估计；基于电网状态估计进行虚假数据注入攻击检测；基于虚假数据注入攻击检测，构建图神经网络并利用图神经网络进行FDIA检测；分析检测结果，根据节点度数的计算结果和调优参数来判断是否存在FDIA攻击。通过采用基于图论的方法进行检测，解决了传统方法中无法始终确保受保护测量数据安全的问题。
-
公开(公告)号：CN119180041A
公开(公告)日：2024-12-24
申请号：CN202411308263.9
申请日：2024-09-19
Applicant: 烟台大学
IPC: G06F21/60 , G06F21/64 , G06F16/13 , G06F16/176 , G06F18/213
Abstract: 本发明涉及数据处理技术领域，尤其是涉及一种基于区块链的司法大数据共享查询方法及系统。方法，包括获取相关案件的证据材料；利用字节提取技术对证据材料进行特征提取，得到证据材料的关键词；根据关键词确定证据材料之间的关系，构建证据关系图，并基于证据关系图生成证据链；利用关系属性加权算法计算每个数据链的分数值，并排序；将证据材料和证据链打包后，使用加密密钥对文件进行加密，并使用哈希算法获取文件的哈希值；将文件上传到司法网络系统并存储解密密钥和哈希值。本发明显著提高了数据安全性，利用区块链的去中心化特性和不可篡改性，保障了数据在存储和传输过程中的完整性，从而增强了司法公正性。
-
公开(公告)号：CN118869356A
公开(公告)日：2024-10-29
申请号：CN202411327886.0
申请日：2024-09-24
Applicant: 烟台大学
IPC: H04L9/40 , G06F18/214 , G06F18/213 , G06F18/2415 , G06F18/2433 , G06N3/0442 , G06N3/047 , G06N3/0464 , G06N3/045
Abstract: 本发明涉及数据处理技术领域，尤其是涉及一种基于深度学习的司法大数据网络入侵检测方法及系统。方法，包括获取司法大数据中的多源数据；对获取的多源数据进行数据预处理；将预处理后的多源数据进行数据集划分，得到训练集和测试集；建立基于深度学习的司法大数据入侵检测模型；利用司法大数据入侵检测模型对多源数据进行特征提取和特征降维；利用长短时记忆网络和贝叶斯线性层对降维后的特征进行预测，得到预测结果；本发明采用深度学习模型中的CNN组件自动学习司法大数据中的复杂模式和异常行为，无需依赖传统的、可能被APT规避的预定义规则，使模型能够捕捉到APT攻击的微妙迹象，从而提高检测的准确性和全面性。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.018 seconds)
