-
公开(公告)号：CN101217396B
公开(公告)日：2010-08-11
申请号：CN200710169100.7
申请日：2007-12-29
Applicant: 华中科技大学
Abstract: 本发明提供一种基于信任模型的Ad hoc网络入侵检测方法，包含：步骤1：本地节点侦测被检测节点的网络行为，通过与典型恶意行为进行比对后计算得到被检测节点的信任值，并记录在本地信任表中；步骤2：本地节点得到邻居节点对被检测节点的推荐信任值；步骤3：综合本地计算的信任值与所有可信的邻居节点所返回的推荐信任值，得到节点的最终信任值，通过查询可信节点的信任值范围来判定节点是否为恶意节点。本发明的优点在于，模型简单，能够在对系统性能影响不大的情况下将恶意节点及早的检测出来，同时还考虑了周围节点对最终节点信任值的影响，误警率与虚警率都较低，对网络的稳定性与安全性起了一个很好的保护作用，且具有良好的可扩展性。
-
公开(公告)号：CN101459718A
公开(公告)日：2009-06-17
申请号：CN200910060424.6
申请日：2009-01-06
Applicant: 华中科技大学
Inventor： 王非
Abstract: 一种基于移动通信网的垃圾语音过滤方法，包括如下步骤：设定移动终端的垃圾语音信誉阀值；下载服务器中具有低于所述垃圾语音信誉值的垃圾语音用户标识符，并保存于移动终端的垃圾语音用户标识信息库；获取呼叫请求的主叫用户标识符；在所述垃圾语音用户标识信息库中查找所述主叫用户标识符，若查找到所述主叫用户标识符则移动终端拒绝该呼叫请求；否则进一步判断是否需要实时向所述服务器查询所述主叫用户信誉值，若所述主叫用户信誉值低于设定的所述垃圾语音信誉阀值，则移动终端拒绝该呼叫请求。通过分析移动垃圾语音的特性以及现有垃圾信息过滤技术的不足，结合移动通信系统的特点以保护移动通信终端用户免于垃圾语音呼叫的骚扰。
-
公开(公告)号：CN113204894B
公开(公告)日：2024-06-14
申请号：CN202110589744.1
申请日：2021-05-28
Applicant: 华中科技大学
IPC: G06F30/20
Abstract: 本发明公开了一种电能计量异常诊断模型的构建方法及应用，通过构造不同的样本对来对训练数据进行增强，并采用两阶段的模型训练方法，首先以最小化模型的输出与对应样本标签之间的差异为目标对电能计量异常诊断模型进行预训练，并基于预训练阶段内模型的输出分布确定间隔阈值；然后以最大化正例对和负例对所对应的模型输出与间隔阈值之间的间隔为目标，对电能计量异常诊断模型进行多轮训练，并且在多轮训练过程中基于上一轮训练阶段内模型的输出分布更新间隔阈值，以用于下一轮训练阶段，大大提高了模型的准确率，能够在电力数据不足且样本分布不均匀的情况下，使模型在兼顾已知类别的识别性能的基础上具备对未知异常电力数据的感知能力。
-
公开(公告)号：CN114265001B
公开(公告)日：2022-06-07
申请号：CN202210198155.5
申请日：2022-03-02
Applicant: 华中科技大学
IPC: G01R35/04
Abstract: 本发明提供一种智能电表计量误差评估方法，包括：根据指定的起止时间，分别获取总表和所有分表的抄表读数；将获取的总表和所有分表的抄表读数按时间先后顺序排序，并按时间轴计算总表和所有分表的分时电量数据；剔除异常的总表和分表的分时电量数据；根据正常的总表和分表的分时电量，基于神经网络模型计算每一个分表的计量误差。本发明从所有的分时电量数据中剔除异常数据，并进行数据样本挑选，可以更加有针对性地求解智能电表的计量误差，使智能电表计量误差评估结果更加稳定。
-
公开(公告)号：CN114265001A
公开(公告)日：2022-04-01
申请号：CN202210198155.5
申请日：2022-03-02
Applicant: 华中科技大学
IPC: G01R35/04
Abstract: 本发明提供一种智能电表计量误差评估方法，包括：根据指定的起止时间，分别获取总表和所有分表的抄表读数；将获取的总表和所有分表的抄表读数按时间先后顺序排序，并按时间轴计算总表和所有分表的分时电量数据；剔除异常的总表和分表的分时电量数据；根据正常的总表和分表的分时电量，基于神经网络模型计算每一个分表的计量误差。本发明从所有的分时电量数据中剔除异常数据，并进行数据样本挑选，可以更加有针对性地求解智能电表的计量误差，使智能电表计量误差评估结果更加稳定。
-
Patent Agency Ranking
公开(公告)号：CN110232476B
公开(公告)日：2021-12-03
申请号：CN201910465445.X
申请日：2019-05-30
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于深度学习的微电网负荷预测方法，包括：按照设定的采样时间间隔，采集多个不同类型微电网的历史负荷数据，所述历史负荷数据包括负荷值及对应的时间信息；对所述历史负荷数据进行特征转化，获得输入特征向量，并将所述输入特征向量作为训练集；将所述训练集输入包括基本网络模块和残差网络模块的深度神经网络中进行训练，得到微电网负荷预测模型；将待预测微电网的历史负荷数据输入训练好的微电网负荷预测模型中，得到待预测微电网的负荷预测结果。本发明利用深度神经网络较强的非线性映射能力，充分挖掘历史负荷数据的潜在特征，实现对未来负荷的高精度预测；同时实现跨区域、不同类型的微电网负荷预测。
-
公开(公告)号：CN108985330B
公开(公告)日：2021-03-26
申请号：CN201810610684.5
申请日：2018-06-13
Applicant: 华中科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种自编码网络及其训练方法、异常用电检测方法和系统，其中训练方法包括：采用滑动窗口对样本电力数据进行拼接，得到训练样本集，对训练样本集中包含被勘察用户的训练样本进行标记，得到有标签样本，未被标记的训练样本为无标签样本；利用无标签样本对自编码网络进行无监督训练，得到自编码网络的初始化参数，然后将自编码网络的编码层得到的离散的类别标签当作分类器，利用有标签样本对分类器进行有监督训练，更新编码层参数，得到训练好的自编码网络。然后利用训练好的自编码网络对待测用户的电力数据进行检测，判断待测用户是否异常用电。本发明能够在低密度电力数据中挖掘异常信息，避免噪声数据干扰，提高异常检测准确度。
-
公开(公告)号：CN107247962A
公开(公告)日：2017-10-13
申请号：CN201710366273.1
申请日：2017-05-23
Applicant: 华中科技大学
IPC: G06K9/62
CPC classification number: G06K9/6271
Abstract: 本发明公开了一种基于滑动窗口的实时电器识别方法和系统，其中方法的实现包括：采集样本电器组合的电表功率数据，提取样本上升沿向量，得到样本集，标定样本上升沿向量所属电器类型；计算得到边沿滑动窗口的长度We，利用边沿滑动窗口的长度进行约束，得到滑动窗口的长度Wt和边沿窗口滑动距离L；根据边沿滑动窗口的长度和滑动窗口的长度，从采集到的实时功率数据中提取上升沿向量，将上升沿向量的起点作为边沿滑动窗口的起点，滑动L‑1次，加上上升沿向量得到L个滑动上升沿向量，滑动上升沿向量和样本上升沿向量的距离最小时对应的样本上升沿向量的电器类型为滑动上升沿向量的电器类型。本发明实时电器识别准确率高，识别效率高。
-
公开(公告)号：CN104090952B
公开(公告)日：2017-09-26
申请号：CN201410315983.8
申请日：2014-07-02
Applicant: 华中科技大学
IPC: G06F17/30
Abstract: 本发明公开了一种估算滑动窗口下数据流平均值的方法，包括以下步骤：1初始化指数直方图，所述指数直方图把滑动窗口下的数据元素划分到不同的层次的若干个桶中，所述桶用来存储数据流中一段时间内的数据集合信息，所述信息包括数据集合中距离当前时刻最近的数据元素的时间戳和数据集合元素之和；2将数据流的信息储存在桶中，所述桶在指数直方图中的位置由时间戳决定。当有新的数据添加以及旧的数据删除时，以桶的容量为准则进行桶的合并与分解；3查询所述指数直方图，输出近似平均值。本发明还提供了相应的估算滑动窗口下数据流平均值的系统。本发明不需要保存全部历史数据，计算滑动窗口中的平均值时，不需要扫描历史数据，且误差可控。
-
公开(公告)号：CN107179455A
公开(公告)日：2017-09-19
申请号：CN201710290614.1
申请日：2017-04-27
Applicant: 华中科技大学
CPC classification number: G01R31/00 , G01R21/00 , G06F17/5009
Abstract: 本发明公开了一种基于边沿特征向量模型的实时电器识别方法和系统，其中方法的实现包括：采集样本电器组合的电表功率数据，提取功率数据的单边沿，将单边沿组合成连续边沿；根据连续边沿中单边沿数量和幅度，判定连续边沿是否包含非等幅震荡边沿、等幅震荡边沿、上升带回勾边沿、尖峰冲激边沿、普通上升边沿中的一种或多种，并提取对应的边沿特征向量；得到多个样本电器组合的功率数据与边沿特征向量之间映射关系的边沿特征向量模型；采集待识别电器的电表实时功率数据，利用边沿特征向量模型得到对应的实时特征向量，基于实时特征向量识别电器。本发明将电器识别从离线领域引申到实时识别，有了更好的实用性和可操作性。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.027 seconds)
