-
公开(公告)号：CN107944721A
公开(公告)日：2018-04-20
申请号：CN201711241040.5
申请日：2017-11-30
Applicant: 厦门理工学院
CPC classification number: G06Q10/0635 , G06Q10/20
Abstract: 本发明公开了一种通用的基于数据挖掘的机器学习方法、装置以及系统，其方法先以固定频率采集电子设备中不同工作指标的数值，对不同工作指标的数值进行特征选择，得到与电子设备运行状态最贴近的工作指标，将该工作指标的数值作为基础训练数据，计算得到其分组周期，按时间顺序进行分组；随后通过每一基础训练数据的特征值判断故障所在的周期，以故障所在的周期对基础训练数据进行分组，在通过非线性状态评估算法计算两类分组，得到故障阈值，实现了对不同类型电子设备的通用故障检测。
-
公开(公告)号：CN108009582A
公开(公告)日：2018-05-08
申请号：CN201711241029.9
申请日：2017-11-30
Applicant: 厦门理工学院
IPC: G06K9/62
CPC classification number: G06K9/6228 , G06K9/6231 , G06K9/6256
Abstract: 本发明公开了一种电子设备标准工作指标设置的方法，其方法先以固定频率采集电子设备中不同工作指标的采样数值，对不同工作指标的采样数值进行特征选择，得到与电子设备运行状态最贴近的工作指标，将该工作指标的采样数值作为基础训练数据，计算得到其分组周期，按时间顺序进行分组；随后通过每一基础训练数据的特征值判断故障所在的周期，以故障所在的周期对基础训练数据进行分组，在通过非线性状态评估算法计算两类分组，得到故障阈值，实现了对不同类型电子设备的通用故障检测。
-
公开(公告)号：CN107977626A
公开(公告)日：2018-05-01
申请号：CN201711244439.9
申请日：2017-11-30
Applicant: 厦门理工学院
CPC classification number: G06K9/00523 , G01R31/00 , G06K9/00536
Abstract: 一种电子设备工作数据的分组方法，其方法先以固定频率采集电子设备中不同工作指标的采样数值，对不同工作指标的采样数值进行特征选择，得到与电子设备运行状态最贴近的工作指标，将该工作指标的采样数值作为基础训练数据，计算得到其分组周期，按时间顺序进行分组；随后通过每一基础训练数据的特征值判断故障所在的周期，以故障所在的周期对基础训练数据进行分组，在通过非线性状态评估算法计算两类分组，得到故障阈值，实现了对不同类型电子设备的通用故障检测。
-
公开(公告)号：CN107944721B
公开(公告)日：2020-09-18
申请号：CN201711241040.5
申请日：2017-11-30
Applicant: 厦门理工学院
Abstract: 本发明公开了一种通用的基于数据挖掘的机器学习方法、装置以及系统，其方法先以固定频率采集电子设备中不同工作指标的数值，对不同工作指标的数值进行特征选择，得到与电子设备运行状态最贴近的工作指标，将该工作指标的数值作为基础训练数据，计算得到其分组周期，按时间顺序进行分组；随后通过每一基础训练数据的特征值判断故障所在的周期，以故障所在的周期对基础训练数据进行分组，在通过非线性状态评估算法计算两类分组，得到故障阈值，实现了对不同类型电子设备的通用故障检测。
-
公开(公告)号：CN108009582B
公开(公告)日：2020-08-04
申请号：CN201711241029.9
申请日：2017-11-30
Applicant: 厦门理工学院
IPC: G06K9/62
Abstract: 本发明公开了一种电子设备标准工作指标设置的方法，其方法先以固定频率采集电子设备中不同工作指标的采样数值，对不同工作指标的采样数值进行特征选择，得到与电子设备运行状态最贴近的工作指标，将该工作指标的采样数值作为基础训练数据，计算得到其分组周期，按时间顺序进行分组；随后通过每一基础训练数据的特征值判断故障所在的周期，以故障所在的周期对基础训练数据进行分组，在通过非线性状态评估算法计算两类分组，得到故障阈值，实现了对不同类型电子设备的通用故障检测。
-
Patent Agency Ranking
公开(公告)号：CN108009063B
公开(公告)日：2020-09-18
申请号：CN201711244440.1
申请日：2017-11-30
Applicant: 厦门理工学院
IPC: G06F11/26 , G06F11/263
Abstract: 一种电子设备故障阈值检测的方法，其方法先以固定频率采集电子设备中不同工作指标的采样数值，对不同工作指标的采样数值进行特征选择，得到与电子设备运行状态最贴近的工作指标，将该工作指标的采样数值作为基础训练数据，计算得到其分组周期，按时间顺序进行分组；随后通过每一基础训练数据的特征值判断故障所在的周期，以故障所在的周期对基础训练数据进行分组，在通过非线性状态评估算法计算两类分组，得到故障阈值，实现了对不同类型电子设备的通用故障检测。
-
公开(公告)号：CN107977626B
公开(公告)日：2020-09-15
申请号：CN201711244439.9
申请日：2017-11-30
Applicant: 厦门理工学院
Abstract: 一种电子设备工作数据的分组方法，其方法先以固定频率采集电子设备中不同工作指标的采样数值，对不同工作指标的采样数值进行特征选择，得到与电子设备运行状态最贴近的工作指标，将该工作指标的采样数值作为基础训练数据，计算得到其分组周期，按时间顺序进行分组；随后通过每一基础训练数据的特征值判断故障所在的周期，以故障所在的周期对基础训练数据进行分组，在通过非线性状态评估算法计算两类分组，得到故障阈值，实现了对不同类型电子设备的通用故障检测。
-
公开(公告)号：CN108009063A
公开(公告)日：2018-05-08
申请号：CN201711244440.1
申请日：2017-11-30
Applicant: 厦门理工学院
IPC: G06F11/26 , G06F11/263
CPC classification number: G06F11/263 , G06F11/26
Abstract: 一种电子设备故障阈值检测的方法，其方法先以固定频率采集电子设备中不同工作指标的采样数值，对不同工作指标的采样数值进行特征选择，得到与电子设备运行状态最贴近的工作指标，将该工作指标的采样数值作为基础训练数据，计算得到其分组周期，按时间顺序进行分组；随后通过每一基础训练数据的特征值判断故障所在的周期，以故障所在的周期对基础训练数据进行分组，在通过非线性状态评估算法计算两类分组，得到故障阈值，实现了对不同类型电子设备的通用故障检测。
-
公开(公告)号：CN206698093U
公开(公告)日：2017-12-01
申请号：CN201720507533.8
申请日：2017-05-09
Applicant: 厦门理工学院
Abstract: 本实用新型公开一种发热健身垫，包括垫体和设置于垫体内部的多个发热模块；垫体包括位于其上层的功能层、位于其下层的隔热层和位于其中间层的发热层；发热模块包括电路部分和机械部分，电路部分包括线圈、与线圈电连接的柔性发热片，机械部分包括磁铁、与磁铁固定连接的弹性件；发热模块的电路部分设置于垫体的发热层中，发热层对应线圈围成的空心部位形成空心结构，发热模块的机械部分设置于垫体的功能层和隔热层之间，磁铁穿设于发热层的空心结构中，即磁铁穿设于线圈围成的空心部位中；在健身垫上健身时，弹性件上下伸缩带动磁铁在线圈中往复运动使得线圈产生感应电流，进而使与线圈电连接的柔性发热片发热，实现健身垫的发热功能。
-
公开(公告)号：CN304829612S
公开(公告)日：2018-09-25
申请号：CN201730650968.3
申请日：2017-12-19
Applicant: 厦门理工学院
Abstract: 1．本外观设计产品的名称：带有图形界面的计算机（随机森然算法工具箱软件）。
2．本外观设计产品的用途：本外观设计产品用于运行程序。
3．本外观设计产品的设计要点：在于产品的图案、颜色及其结合。
4．最能表明本外观设计设计要点的图片或照片：界面变化状态图1。
5．请求保护的外观设计包含颜色。
6．图形界面用途：用于反映输入数据得到的不同指定输出结果；图形用户界面的交互方式及变化状态：主视图是打开本外观设计后显示的界面；界面变化状态图1 是用户点击主视图中“Classification”图标显示的界面；其中左侧的坐标图形的显示是输入了“Name of data set:”和“How many trees:”的内容以及勾选了“Prediction line plot”并点击“OK”按钮后的结果；界面变化状态图2 与界面变化状态图1是同一个界面，唯一不同的是，其中坐标图形的显示是在界面中勾选了“Mean decrease in Accuracy”并点击“OK”按钮后的结果；界面变化状态图3与界面变化状态图2是同一个界面，唯一不同的是，其中坐标图形的显示是在界面中勾选了“Mean decrease in Gini index”并点击“OK”按钮后的结果；界面变化状态图4 与界面变化状态图3是同一个界面，唯一不同的是，其中坐标图形的显示是在界面中勾选了“OOB error rate”并点击“OK”按钮后的结果；界面变化状态图5 是用户点击主视图中的“Regression”按钮所弹出的界面；其中坐标图形的显示是输入了“Name of data set:”和“How many trees:”的内容以及勾选了“Prediction line plot”并点击“OK”按钮后的结果；界面变化状态图6 与界面变化状态图5是同一个界面，唯一不同的是，中坐标图形的显示是在界面中勾选了“Mean decrease in Accuracy”并点击“OK”按钮后的结果；界面变化状态图7与界面变化状态图6是同一个界面，唯一不同的是，其中坐标图形的显示是在界面中勾选了“Mean decrease in Gini index”并点击“OK”按钮后的结果；界面变化状态图8 是界面变化状态图7是同一个界面，唯一不同的是，其中坐标图形的显示是在界面中勾选了“OOB error rate”并点击“OK”按钮后的结果。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.025 seconds)
