-
公开(公告)号：CN111507376A
公开(公告)日：2020-08-07
申请号：CN202010200442.6
申请日：2020-03-20
Applicant: 厦门大学
Abstract: 一种基于多种无监督方法融合的单指标异常检测方法，涉及智能运维异常检测领域。包括以下步骤：1)提取分析数据：将存储在数据库中的数据，按分钟级取数，并返回所需的数据格式；2)对步骤1)提取的数据采用无监督方法进行初步把关筛选，从海量的数据中以较大把握过滤筛选出一批正常数据集输出为正常，其余样本输出为疑似异常；3)训练模型：对于步骤2)中识别出的正常样本构建模型；4)进行模型的评估；5)输出最终的模型，部署在线上模块进行实时的异常检测。不仅能够解决传统异常检测方法效率低的问题，还能够在与新的有监督方法的对比中占据优势，达到较高的识别精度。既满足效率方面的要求，又能够节省人力打标的成本。
-
Patent Agency Ranking
公开(公告)号：CN101908096A
公开(公告)日：2010-12-08
申请号：CN201010218058.5
申请日：2010-06-30
Applicant: 厦门大学附属中山医院
IPC: G06F19/00
Abstract: 干扰素治疗慢性乙型肝炎疗效的预测方法，涉及一种干扰素。收集慢性乙型肝炎患者相关信息；输入患者的治疗结局影响因素；疗效评价分为三类；以影响因素为自变量，疗效为应变量，确定影响因素各水平的具体分值，建立评分量表，建立模型；将收集的病例随机分为训练集和测试集两个部分，以训练集为样本建立评分量表和模型，以测试集为样本检验评分量表和模型的准确性；以约登指数，用公式表示为：敏感度+特异度-1，作为评分量表及精确模型性能的评价指标，当约登指数取最大值时，提示预测性能为最佳；通过对遗传算法的变异率、交配率、产生子代数等参数的调节，以及对支持向量机的核训练参数、异常值惩罚系数等参数的调节，使预测性能达到最佳。
-
公开(公告)号：CN111507376B
公开(公告)日：2023-04-28
申请号：CN202010200442.6
申请日：2020-03-20
Applicant: 厦门大学
IPC: G06F18/23 , G06N3/044 , G06N3/0464 , G06N3/08
Abstract: 一种基于多种无监督方法融合的单指标异常检测方法，涉及智能运维异常检测领域。包括以下步骤：1)提取分析数据：将存储在数据库中的数据，按分钟级取数，并返回所需的数据格式；2)对步骤1)提取的数据采用无监督方法进行初步把关筛选，从海量的数据中以较大把握过滤筛选出一批正常数据集输出为正常，其余样本输出为疑似异常；3)训练模型：对于步骤2)中识别出的正常样本构建模型；4)进行模型的评估；5)输出最终的模型，部署在线上模块进行实时的异常检测。不仅能够解决传统异常检测方法效率低的问题，还能够在与新的有监督方法的对比中占据优势，达到较高的识别精度。既满足效率方面的要求，又能够节省人力打标的成本。
-
公开(公告)号：CN110232406A
公开(公告)日：2019-09-13
申请号：CN201910450350.0
申请日：2019-05-28
Applicant: 厦门大学
Abstract: 一种基于统计学习的液晶面板CF图片识别方法，涉及图像目标检测领域。将识别液晶板defect问题抽象为图像处理中的目标检测问题和分类问题；探索性数据分析；对图像进行标注，同时将不利于训练的图像删除以免干扰模型；数据预处理；对图像进行数据增强，通过变换原图片进行数据增强，变换方式有将图片进行随机翻转、改变图片颜色等；训练卷积神经网络模型，并针对当前特定问题进行改进，进行模型评估；输出最终模型，对液晶板检测与分类。在预读取之前进行图片乱序：避免在预读取时乱序消耗过多内存空间，同时防止每次更新权重使用的只是某一类数据，提升模型训练过程的稳定性；针对图像特点动态调整学习率：加速收敛过程，降低迭代次数。
-
公开(公告)号：CN110232406B
公开(公告)日：2021-07-06
申请号：CN201910450350.0
申请日：2019-05-28
Applicant: 厦门大学
Abstract: 一种基于统计学习的液晶面板CF图片识别方法，涉及图像目标检测领域。将识别液晶板defect问题抽象为图像处理中的目标检测问题和分类问题；探索性数据分析；对图像进行标注，同时将不利于训练的图像删除以免干扰模型；数据预处理；对图像进行数据增强，通过变换原图片进行数据增强，变换方式有将图片进行随机翻转、改变图片颜色等；训练卷积神经网络模型，并针对当前特定问题进行改进，进行模型评估；输出最终模型，对液晶板检测与分类。在预读取之前进行图片乱序：避免在预读取时乱序消耗过多内存空间，同时防止每次更新权重使用的只是某一类数据，提升模型训练过程的稳定性；针对图像特点动态调整学习率：加速收敛过程，降低迭代次数。
-
公开(公告)号：CN112070392A
公开(公告)日：2020-12-11
申请号：CN202010928115.2
申请日：2020-09-07
Applicant: 国网河南省电力公司经济技术研究院 , 国家电网有限公司 , 厦门大学
Abstract: 本发明提出了一种基于多维度指标的综合能源客户价值评价方法，其步骤为：首先，确定对综合能源客户价值的影响因素，建立能源客户的评价指标体系；并利用k‑Prototypes算法对三级指标对应的客户进行聚类，得到聚类中心；其次，利用灰色关联度法计算专家集中的专家的最优专家权重，进而得到三级指标的主观权重；然后，利用熵权法对聚类中心的三级指标进行计算，得到三级指标的客观权重，与三级指标的主观权重结合确定聚类中心的综合指标权重；最后，利用TOPSIS法计算聚类中心与理想解的贴近度，并根据贴近度的高低确定能源客户的价值。本发明实现了客户的分类和高价值客户的精准定位，为向不同的综合能源用户的进行差异化服务提供参考和支撑。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
