-
公开(公告)号：CN112257917B
公开(公告)日：2023-05-12
申请号：CN202011116876.4
申请日：2020-10-19
Applicant: 北京工商大学
IPC: G06Q10/04 , G06Q50/02 , G06N3/0464 , G06N3/0442 , G06N3/0475 , G06N3/049 , G06N3/08
Abstract: 本发明提出一种基于熵特征和神经网络的时间序列异常模式检测方法，该方法的步骤为：1)对训练数据集中的时间序列提取二阶差分率样本熵特征序列；2)训练生成对抗网络模型得到生成器和对应的判别器；3)计算特征序列的异常分数并构建阈值；4)根据阈值对输入的待检测数据进行异常判断。本发明的优点是利用差分率样本熵对时间序列数据进行特征提取，使异常模式更加显著；建立了新的异常分数计算方法，提高了模型识别的准确性和泛化性，使其具有更高的实用性和应用价值。
-
公开(公告)号：CN112257917A
公开(公告)日：2021-01-22
申请号：CN202011116876.4
申请日：2020-10-19
Applicant: 北京工商大学
Abstract: 本发明提出一种基于熵特征和神经网络的时间序列异常模式检测方法，该方法的步骤为：1)对训练数据集中的时间序列提取二阶差分率样本熵特征序列；2)训练生成对抗网络模型得到生成器和对应的判别器；3)计算特征序列的异常分数并构建阈值；4)根据阈值对输入的待检测数据进行异常判断。本发明的优点是利用差分率样本熵对时间序列数据进行特征提取，使异常模式更加显著；建立了新的异常分数计算方法，提高了模型识别的准确性和泛化性，使其具有更高的实用性和应用价值。
-
公开(公告)号：CN110309867A
公开(公告)日：2019-10-08
申请号：CN201910541654.8
申请日：2019-06-21
Applicant: 北京工商大学 , 煤科集团沈阳研究院有限公司
Abstract: 本发明公布了一种基于卷积神经网络的混合气体识别方法，将利用传感器获得的原始气体时序数据根据不同的方式映射为类图片矩阵，再利用卷积神经网络模型CNN进行特征提取和分类，由此实现对混合气体的分类。本发明基于卷积神经网络的分类优势，应用于时序的混合气体的分类领域，利用CNN的卷积操作提取出矩阵数据更全面的特征，不仅速度快，还能够得到较高的准确率。本发明能够解决现有的混合气体分类技术由于输入数据的限制而无法直接应用图像分类的VGG，Google-Net等CNN网络针对混合气体数据进行分类的问题。
-
公开(公告)号：CN110309867B
公开(公告)日：2021-09-24
申请号：CN201910541654.8
申请日：2019-06-21
Applicant: 北京工商大学 , 煤科集团沈阳研究院有限公司
Abstract: 本发明公布了一种基于卷积神经网络的混合气体识别方法，将利用传感器获得的原始气体时序数据根据不同的方式映射为类图片矩阵，再利用卷积神经网络模型CNN进行特征提取和分类，由此实现对混合气体的分类。本发明基于卷积神经网络的分类优势，应用于时序的混合气体的分类领域，利用CNN的卷积操作提取出矩阵数据更全面的特征，不仅速度快，还能够得到较高的准确率。本发明能够解决现有的混合气体分类技术由于输入数据的限制而无法直接应用图像分类的VGG，Google‑Net等CNN网络针对混合气体数据进行分类的问题。
-
-
-
Search Results
4
records
(took 0.022 seconds)
