-
公开(公告)号：CN112562771B
公开(公告)日：2022-07-26
申请号：CN202011564817.3
申请日：2020-12-25
Applicant: 北京邮电大学
IPC: G11C29/12
Abstract: 本发明实施例提出了一种基于邻域分区与隔离重构的磁盘异常检测方法，包括：收集磁盘SMART信息并筛选出有效的磁盘特征属性组成数据集，对其进行指数平滑处理得到磁盘训练集；多次随机采样训练集获得多个子训练集，在子集中以各点距其最近点的距离为半径构建磁盘特征隔离区域，将不属于任何区域的测试点作为全局异常；对于非全局异常的测试点，将其连续两个近邻点所在区域半径比作为该测试点在此区域的前异常值；包含测试点后重新构建区域，将测试点所处区域重构前后的半径比作为该测试点在此区域的后异常值；结合测试点所处所有区域的前后异常值得到异常分数，本发明实施例提供的技术方案，能有效提高异常磁盘召回率。
-
公开(公告)号：CN112163682B
公开(公告)日：2022-05-17
申请号：CN202011118535.0
申请日：2020-10-19
Applicant: 北京邮电大学
Abstract: 本发明实施例提出了一种基于信息差异图模型的电力调度自动化系统故障溯源方法，包括：选取电力调度自动化系统告警前后的历史数据，通过k‑means算法获得聚类中心，将其作为区间划分的端点，每个区间的均值作为连续特征的离散化结果；计算电力调度自动化系统组件的信息熵和组件间的传递熵，建立有无告警段的信息相关矩阵，通过其变化率衡量告警前后的差异程度，并采用归一化技术获得信息差异矩阵；提取电力调度自动化系统告警信息变化较高的特征及特征间的交互信息，进一步构建双向图和节点自信息相结合的信息差异图模型，拟合故障程度指标进行故障程度排序。本发明实施例提供的技术方案，提高电力调度自动化系统故障溯源的性能。
-
公开(公告)号：CN113128913A
公开(公告)日：2021-07-16
申请号：CN202110529495.7
申请日：2021-05-14
Applicant: 北京邮电大学
Abstract: 本发明实施例提出了一种基于反转信息熵动态集成的电力调度监控数据异常检测方法，包括：将电力调度监控历史数据划分为训练集和验证集，使用训练集训练一定数量的基分类器，基分类器的输出为输入数据属于正常类的概率；使用异常类标记方法将验证集中一部分历史数据标记为异常类；使用KNN算法从验证集中选择与待检测数据欧式距离较小的历史数据作为验证子集；使用基于反转信息熵的基分类器评价方法计算基分类器在验证子集中数据上的得分；使用基于无参数统计学假设检验的基分类器选择方法根据得分选择基分类器，平均所选基分类器的输出作为待检测数据的检测结果。本发明实施例提供的技术方案，能够降低电力调度监控数据异常检测的漏报率。
-
公开(公告)号：CN112562771A
公开(公告)日：2021-03-26
申请号：CN202011564817.3
申请日：2020-12-25
Applicant: 北京邮电大学
IPC: G11C29/12
Abstract: 本发明实施例提出了一种基于邻域分区与隔离重构的磁盘异常检测方法，包括：收集磁盘SMART信息并筛选出有效的磁盘特征属性组成数据集，对其进行指数平滑处理得到磁盘训练集；多次随机采样训练集获得多个子训练集，在子集中以各点距其最近点的距离为半径构建磁盘特征隔离区域，将不属于任何区域的测试点作为全局异常；对于非全局异常的测试点，将其连续两个近邻点所在区域半径比作为该测试点在此区域的前异常值；包含测试点后重新构建区域，将测试点所处区域重构前后的半径比作为该测试点在此区域的后异常值；结合测试点所处所有区域的前后异常值得到异常分数，本发明实施例提供的技术方案，能有效提高异常磁盘召回率。
-
公开(公告)号：CN113591400B
公开(公告)日：2023-06-27
申请号：CN202110968331.4
申请日：2021-08-23
Applicant: 北京邮电大学
IPC: G06F30/27 , G06F18/214 , G06F18/2411 , G06Q10/04 , G06Q10/0631 , G06Q50/06 , G06F119/02
Abstract: 本发明实施例提出了一种基于特征相关性分区回归的电力调度监控数据异常检测方法，包括：将电力调度监控历史数据划分为训练集和测试集，基于皮尔逊相关系数计算训练集特征间的相关系数矩阵；根据计算所得相关系数矩阵对训练集进行特征子空间的划分；根据特征子空间内特征相关程度的高低选择特征作为伪标签，剩余特征作为预测属性，基于支持向量回归SVR训练用于预测伪标签的回归模型；对测试集进行与训练集相同的特征子空间划分，并使用对应的回归模型计算各特征子空间中测试集样本的异常程度；根据特征子空间内相关程度计算所对应的权重；根据加权后集成的最终异常分数获得测试集样本的检测结果。
-
Patent Agency Ranking
公开(公告)号：CN114816814A
公开(公告)日：2022-07-29
申请号：CN202210293314.X
申请日：2022-03-23
Applicant: 北京邮电大学
Abstract: 本发明实施例提出了一种基于迁移学习的双层动态加权磁盘异常检测方法，包括：收集磁盘SMART信息并对磁盘数据集进行属性特征筛选，之后对其进行指数平滑处理得到稳定磁盘数据集，并提取出目标域磁盘数据集以及多个源域磁盘数据集；计算磁盘数据集源域样本与目标域样本的初始权重；训练各源域对应的迁移模型；加权集成各源域所得模型结果，实现对目标域磁盘的故障检测；随着目标域型号磁盘的不断运行，根据所增加新数据样本，进一步提高磁盘异常检测性能；本发明实施例提供的技术方案，能有效提高新投入磁盘的故障检测效果。
-
公开(公告)号：CN113608968A
公开(公告)日：2021-11-05
申请号：CN202110967252.1
申请日：2021-08-23
Applicant: 北京邮电大学
IPC: G06F11/30
Abstract: 本发明实施例提出了一种基于密度距离综合决策的电力调度监控数据异常检测方法，包括：将电力调度监控历史数据作为输入数据集，通过局部可达距离与核密度估计来计算样本的局部密度；使用自然对数函数作为缩放函数，计算每个样本与其近邻的密度比；通过欧式距离找到每个样本密度比自身大的近邻，计算密度提升距离；将局部密度比与密度提升距离标准化后计算乘积，得到最终的异常分数，并判定数据中的异常样本。本发明实施例提供的技术方案，能够提升电力调度监控数据异常检测的准确率。
-
公开(公告)号：CN114816814B
公开(公告)日：2025-04-11
申请号：CN202210293314.X
申请日：2022-03-23
Applicant: 北京邮电大学
IPC: G06F11/07 , G06F18/2433 , G06F18/211 , G06F18/10 , G06F18/214 , G06N5/01 , G06N20/20
Abstract: 本发明实施例提出了一种基于迁移学习的双层动态加权磁盘异常检测方法，包括：收集磁盘SMART信息并对磁盘数据集进行属性特征筛选，之后对其进行指数平滑处理得到稳定磁盘数据集，并提取出目标域磁盘数据集以及多个源域磁盘数据集；计算磁盘数据集源域样本与目标域样本的初始权重；训练各源域对应的迁移模型；加权集成各源域所得模型结果，实现对目标域磁盘的故障检测；随着目标域型号磁盘的不断运行，根据所增加新数据样本，进一步提高磁盘异常检测性能；本发明实施例提供的技术方案，能有效提高新投入磁盘的故障检测效果。
-
公开(公告)号：CN113608968B
公开(公告)日：2023-06-23
申请号：CN202110967252.1
申请日：2021-08-23
Applicant: 北京邮电大学
IPC: G06F11/30
Abstract: 本发明实施例提出了一种基于密度距离综合决策的电力调度监控数据异常检测方法，包括：将电力调度监控历史数据作为输入数据集，通过局部可达距离与核密度估计来计算样本的局部密度；使用自然对数函数作为缩放函数，计算每个样本与其近邻的密度比；通过欧式距离找到每个样本密度比自身大的近邻，计算密度提升距离；将局部密度比与密度提升距离标准化后计算乘积，得到最终的异常分数，并判定数据中的异常样本。本发明实施例提供的技术方案，能够提升电力调度监控数据异常检测的准确率。
-
公开(公告)号：CN113128913B
公开(公告)日：2022-05-17
申请号：CN202110529495.7
申请日：2021-05-14
Applicant: 北京邮电大学
Abstract: 本发明实施例提出了一种基于反转信息熵动态集成的电力调度监控数据异常检测方法，包括：将电力调度监控历史数据划分为训练集和验证集，使用训练集训练一定数量的基分类器，基分类器的输出为输入数据属于正常类的概率；使用异常类标记方法将验证集中一部分历史数据标记为异常类；使用KNN算法从验证集中选择与待检测数据欧式距离较小的历史数据作为验证子集；使用基于反转信息熵的基分类器评价方法计算基分类器在验证子集中数据上的得分；使用基于无参数统计学假设检验的基分类器选择方法根据得分选择基分类器，平均所选基分类器的输出作为待检测数据的检测结果。本发明实施例提供的技术方案，能够降低电力调度监控数据异常检测的漏报率。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.018 seconds)
