-
公开(公告)号：CN109587000B
公开(公告)日：2020-09-15
申请号：CN201811354840.2
申请日：2018-11-14
Applicant: 上海交通大学
IPC: H04L12/26
Abstract: 本发明提供了一种基于群智网络测量数据的高延迟异常检测方法及系统，包括：对原始数据集进行特征工程，去除异常值与缺失值，并将原始数据统一进行数值化与离散化；将包含相同特征的原始数据聚类为一个实例，计算对应权重并打上标签，作为输入决策树模型的基本单位；将预处理后的原始数据集随机采样生成多个子数据集，并对每个子数据集进行CART决策树建模得到子树；基于每个子树的拓扑信息与节点信息进行高延迟异常规则挖掘；基于树节点的样本子空间的网络延迟状况，对每条规则进行标定及置信度评分；将所有子树的规则挖掘结果进行合并，生成最终的网络高延迟异常检测结果。本发明提高了算法泛化性和鲁棒性，从而有效检测出高延迟网络异常。
-
公开(公告)号：CN109738782B
公开(公告)日：2020-11-06
申请号：CN201811496775.7
申请日：2018-12-07
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于测量数据机器学习的电路板故障检测方法和系统，在训练过程中，用户将历史存储的原始不良品维修记录数据批量上传至服务器；服务器对不同型号电路板的数据进行分类，以及进行特征工程；对每一子类使用机器学习算法进行单独建模和训练；在预测过程中，用户上传不良电路板的相应特征实例；服务器根据产品型号归类后，使用之前特征工程的结果来提取出可用特征；使用训练好的机器学习模型来分析当前实例的特征，预测出故障原因。一方面结合数据分析和机器学习技术来进行故障检测，大大减少了维修测试所需的人力成本和时间；另一方面实现了特征选择与增量学习，提升了整体系统的训练效率与准确率。
-
公开(公告)号：CN109738782A
公开(公告)日：2019-05-10
申请号：CN201811496775.7
申请日：2018-12-07
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于测量数据机器学习的电路板故障检测方法和系统，在训练过程中，用户将历史存储的原始不良品维修记录数据批量上传至服务器；服务器对不同型号电路板的数据进行分类，以及进行特征工程；对每一子类使用机器学习算法进行单独建模和训练；在预测过程中，用户上传不良电路板的相应特征实例；服务器根据产品型号归类后，使用之前特征工程的结果来提取出可用特征；使用训练好的机器学习模型来分析当前实例的特征，预测出故障原因。一方面结合数据分析和机器学习技术来进行故障检测，大大减少了维修测试所需的人力成本和时间；另一方面实现了特征选择与增量学习，提升了整体系统的训练效率与准确率。
-
公开(公告)号：CN109587000A
公开(公告)日：2019-04-05
申请号：CN201811354840.2
申请日：2018-11-14
Applicant: 上海交通大学
IPC: H04L12/26
Abstract: 本发明提供了一种基于群智网络测量数据的高延迟异常检测方法及系统，包括：对原始数据集进行特征工程，去除异常值与缺失值，并将原始数据统一进行数值化与离散化；将包含相同特征的原始数据聚类为一个实例，计算对应权重并打上标签，作为输入决策树模型的基本单位；将预处理后的原始数据集随机采样生成多个子数据集，并对每个子数据集进行CART决策树建模得到子树；基于每个子树的拓扑信息与节点信息进行高延迟异常规则挖掘；基于树节点的样本子空间的网络延迟状况，对每条规则进行标定及置信度评分；将所有子树的规则挖掘结果进行合并，生成最终的网络高延迟异常检测结果。本发明提高了算法泛化性和鲁棒性，从而有效检测出高延迟网络异常。
-
-
-
Search Results
4
records
(took 0.015 seconds)
