-
公开(公告)号：CN115564194A
公开(公告)日：2023-01-03
申请号：CN202211151363.6
申请日：2022-09-21
Applicant: 华中科技大学
Abstract: 本发明公开了一种智能电网的计量异常诊断信息生成模型构建方法及系统，属于异常用电检测领域。包括：构建用户一周的异常用电数据集；搭建异常天数检测模块，输出一周的异常用电天数；判断用户一周的异常用电数据是完全异常数据还是部分异常数据；搭建两个结构相同的分类网络，将所述完全异常数据和所述部分异常数据分别输入到两个分类网中，输出预测的文字模板；将异常天数检测模块生成的异常天数填入生成的文字模板，生成异常诊断信息。本发明能够根据智能电网的计量数据自动生成诊断文字信息，减少在产生诊断报告时所需要的专家资源，提高机器学习在电力计量异常检测中的可解释性。
-
公开(公告)号：CN111832627B
公开(公告)日：2022-08-05
申请号：CN202010567241.X
申请日：2020-06-19
Applicant: 华中科技大学
IPC: G06V10/774 , G06V10/764 , G06V10/776 , G06N3/08
Abstract: 本发明公开了一种抑制标签噪声的图像分类模型训练方法、分类方法及系统，属于图像分类任务领域，包括：将图像数据集划分为训练集和验证集，利用训练集对图像分类模型进行有监督训练；遍历训练集，获得各样本的在模型输出层产生的梯度，并估计梯度模长分布，以计算训练集中样本被错误标定的概率，由此划分出错误标定样本子集和正确标定样本子集；若错误标定样本过少，则利用正确标定样本子集对模型进行有监督训练；否则，舍弃错误标定样本的类别标签后，利用两个样本子集结合半监督学习算法更新模型参数；重复遍历训练集至更新模型参数的步骤直至模型收敛。本发明能够从样本层面降低神经网络模型拟合错标定样本的风险，提高图像分类的准确率。
-
公开(公告)号：CN111639586A
公开(公告)日：2020-09-08
申请号：CN202010460278.2
申请日：2020-05-27
Applicant: 华中科技大学
Abstract: 本发明公开了一种非侵入式负荷识别模型构建方法、负荷识别方法及系统，属于非侵入式负荷识别领域，包括：建立包括特征提取模块、分类器模块和相似性度量模块的待训练模型；由多个家庭的电器样本构成训练集；从训练集选取h个家庭，每个家庭选取k个样本，输入特征提取模块，得到电器特征；将电器特征输入分类器模块转换为类别标签，并计算类别损失；将电器特征输入相似性度量模块，将每两个家庭的电器特征对应拼接，并计算相似性损失；以两个损失之和为整体损失，更新模型参数以最小化整体损失；重复训练多轮后，由特征提取模块和分类器模块构成负荷识别模型。本发明能够构建一种具有域泛化能力的负荷识别模型，提高非侵入式负荷识别的精度。
-
公开(公告)号：CN103927349B
公开(公告)日：2018-01-02
申请号：CN201410133278.6
申请日：2014-04-03
Applicant: 华中科技大学
Inventor： 王非
IPC: G06F17/30
Abstract: 本发明公开了一种流数据系统的负载评估以及过载判定方法，通过量化流数据系统处理单位数据元组消耗的时间，进而动态计算评估流数据的实时负载，判断是否过载。本发明克服了现有流数据系统因数据流具有抖动、不确定等特性，其数据特性无法预测，数据率不断变化，从而造成流数据系统负载不稳定的缺陷。本发明提出的流数据系统负载的评估及系统过载判定方法，对于流数据系统性能优化具有重要的意义。值得推广应用。
-
公开(公告)号：CN103634151B
公开(公告)日：2017-01-18
申请号：CN201310632618.5
申请日：2013-11-30
Applicant: 华中科技大学
Inventor： 王非
Abstract: 本发明公开了一种基于多评价标准的信誉合成方法，包括以下步骤：a.根据需要设置评分体系评分区间；b.设定每个节点需要保存的最近对其他节点评分记录数的上限N；c.选取节点x最近N个对其他节点的评分记录，计算节点x的信任倾向；d.当节点x接到另一节点y的交互请求时，节点x在所有推荐节点中任意选择最多M个与节点x具有相同信任倾向等级，并可以提供对节点y的评分的候选节点，并获取这些节点对节点y的最新评分；e.对步骤d中获取的评分进行评分计算，最终计算出对节点y的可信任度。本发明解决了在同一识别框架下不同评价标准对模型带来的影响。
-
Patent Agency Ranking
公开(公告)号：CN103716471B
公开(公告)日：2015-11-04
申请号：CN201310698598.1
申请日：2013-12-18
Applicant: 华中科技大学
Inventor： 王非
IPC: H04M3/22
Abstract: 本发明公开了一种适用于垃圾语音过滤的用户呼叫行为模型的生成方法，包括以下步骤：建立呼叫交互行为特征CI，用于描述指定用户作为主叫用户以及被叫用户的相关行为特征，其中呼叫交互行为特征CI又进一步包括呼入呼出比、呼叫交互记录特征值以及交互强度及其分布三部分，建立呼叫频率及其分布FCD，用于描述呼叫记录中呼叫时间的特征，包括指定的统计时间段内呼叫频率值以及呼叫频率值时间分布两部分，建立呼叫持续时间及其分布DCT，用于描述呼叫记录中持续时间的特征，包括统计时间段内呼叫拒绝接听比例、呼叫平均持续时间以及呼叫持续时间的直方图分布三部分。本发明能够解决现有技术中存在的很难发现垃圾语音发送者伪装的呼叫行为的技术问题。
-
公开(公告)号：CN104090952A
公开(公告)日：2014-10-08
申请号：CN201410315983.8
申请日：2014-07-02
Applicant: 华中科技大学
IPC: G06F17/30
CPC classification number: G06F17/30516
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：CN102122252B
公开(公告)日：2013-06-19
申请号：CN201110060502.X
申请日：2011-03-14
Applicant: 华中科技大学
IPC: G06F9/50
Abstract: 本发明涉及一种保证时间连续性的线程池设计方法，所述线程池需要维护一个任务标识到线程ID的Hash映射表，用来对任务的分配进行管理；线程参数增加一个属性参数：负载,即LThread，用以标识各线程所分配的任务总量；所有线程不再共享同一任务队列，而是为线程池中的每一个线程配置一个与之相对应的任务队列，各线程从相应的任务队列中查找新的任务；单独有一监视线程。本发明具有下列优点：1、本发明利用新增的映射表功能，可以保证每一个任务的数据输入输出时的时间连续性完全一致；2、通过定时启动的监视线程可以保证各线程上的负载总能趋于一致，以达到最佳的并发性能。
-
公开(公告)号：CN101459718B
公开(公告)日：2012-05-23
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：CN101625703B
公开(公告)日：2011-02-09
申请号：CN200910305932.6
申请日：2009-08-21
Applicant: 华中科技大学
Abstract: 本发明公开了一种内存数据库的日志合并方法和系统，所述方法包括以下步骤：a.执行逻辑相关性判别；b.判断是否执行逻辑合并，若是则执行步骤c，否则转至步骤d；c.执行逻辑合并；d.执行数据对象一致性判别；e.判断是否执行日志数据对象一致合并，若是则执行步骤f，否则执行步骤g；f.执行步骤对象合并；g.日志插入到缓存块中。本发明通过对每条日志进行hash查找匹配可合并的日志然后合并这些日志，不仅减少了内存数据库的日志数量，而且加快了数据库的恢复速度，解决了内存数据库的日志数量大的技术问题，同时降低了部署成本，提高了系统性能。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.027 seconds)
