公开(公告)号：CN116030328A

公开(公告)日：2023-04-28

申请号：CN202211696084.8

申请日：2022-12-28

Applicant: 北京邮电大学

Inventor： 赵国安 ,  张碧玲 ,  李金洋 ,  安春丽 ,  秦瑀聪

IPC: G06V10/82 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于时序和分类数据构建CNN训练图像数据的方法，包括：收集时序数据，对时序数据进行预处理，获取第一数据集，基于第一数据集构建初始图像数据，获得分类数据，并将初始图像数据与任一维度的分类数据合并成新的图像数据；构建CNN模型，基于新的图像数据和剩余的分类数据对CNN模型进行训练，获得训练好的CNN模型，基于训练好的CNN模型对图像数据的构造方式进行验证。本发明科学合理利用了可以获得的有限数据，较好地应用于CNN网络图像数据的构造，使得图像数据的潜在的信息更加丰富，便于CNN网络进行分类问题的训练，在相同模型的基础上提升了CNN网络预测的准确性和F1值，提升了模型的实际应用价值。

公开(公告)号：CN119535084A

公开(公告)日：2025-02-28

申请号：CN202411507245.3

申请日：2024-10-28

Applicant: 北京邮电大学

Inventor： 赵国安 ,  张碧玲 ,  安春丽 ,  郭彩丽 ,  柴方艳

IPC: G01R31/08 ,  G06F18/241 ,  G06F18/2131 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/045 ,  G06N3/048

Abstract: 本发明公开了一种基于FFT‑CNN‑GCN混合网络的电网故障诊断方法及系统，包括：同时实现电网线路的故障类型判断、故障线路定位和故障距离判断；通过快速傅里叶变换(Fast Fourier Transform,FFT)对电压和电流信号进行时域和频域分解，提取信号的基波频率和相位；利用CNN对分解后的数据进行时序特征提取，并引入层归一化技术以增强模型的稳定性和性能；结合GCN处理电网的空间拓扑结构，提取和整合空间特征。本发明在不同任务、采样间隔和不同噪声的影响下，其准确率均明显优于现有的基于人工智能的方法，且具有较好的泛化性能。

公开(公告)号：CN117932535A

公开(公告)日：2024-04-26

申请号：CN202410089029.5

申请日：2024-01-22

Applicant: 北京邮电大学

Inventor： 赵国安 ,  兰晓娟 ,  张碧玲 ,  刘勇 ,  柴方艳 ,  李树波 ,  秦瑀聪 ,  潘梦婷 ,  王少博 ,  卞延浩 ,  安春丽

IPC: G06F18/25 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/08 ,  G06F18/2433

Abstract: 本发明提供一种利用多元离散数据融合时序数据增强CNN分类性能的方法，即收集多元离散数据和时序数据；将时序数据作为数据组一基础数据，将多元离散数据中的一种离散数据作为数据组一结果数据，将剩余的其它种类离散数据作为数据组一扩充数据；将数据组一扩充数据填充到数据组一基础数据中作为数据组二基础数据；数据组二结果数据同数据组一；构建基于数据组一、二的CNN模型一和二；对模型一和二并行训练；对训练后的模型一、二进行测试和评估，根据评估结果修正模型参数、重构模型，直至模型一和二的准确率≥50％，F1值≥50％，且模型二较模型一性能提升≥5％。本发明利用多元离散数据，将其与时序数据融合对原始数据进行填充，提升模型分类的准确性和F1值。