-
公开(公告)号：CN107682181A
公开(公告)日：2018-02-09
申请号：CN201710806487.6
申请日：2017-09-08
Applicant: 北京国电通网络技术有限公司 , 国网山东省电力公司经济技术研究院 , 国家电网公司 , 天津科技大学 , 国网信息通信产业集团有限公司
CPC classification number: H04L41/145 , H04L67/12 , H04W16/18
Abstract: 本发明公开了一种面向配用电业务的PTN承载多形态无线组网方法，包括：在接入节点构建PTN站点并形成接入层；利用接入层与MSTP进行混合组网；将与配用电项目相关业务电路通过接口板进行业务对接；在GE环的PTN接入层中，将SDH配置为E1模式，将PTN配置为FE模式；将汇聚节点的PTN设备按照MSTP方式配置，并通过该节点业务板转成E1制式后通过汇聚层传送；控制汇聚层部分PTN节点使用独立组网模式，使PTN设备单独构建GE/10的GE环；在PTN层建立各电力业务专用通道；将MSTP与PTN的业务电路通过PTN的GE/10GE群路侧进行业务对接；全网业务实现分组化，在汇聚层和接入层形成全PTN设备构建的PTN网络。所述组网方法能够保证网络通信安全的基础上降低网络组建的成本，带来巨大的经济效益。
-
公开(公告)号：CN106972981A
公开(公告)日：2017-07-21
申请号：CN201710107274.4
申请日：2017-02-27
Applicant: 天津科技大学 , 北京国电通网络技术有限公司 , 国网山东省电力公司经济技术研究院 , 国家电网公司 , 国网信息通信产业集团有限公司
Abstract: 本发明公开了一种电力线载波技术在配用电通信中的测试方法，其特征在于，包括：在服务器与客户端配套运行测试程序以模拟预设的应用场景，并在电力线上加载干扰源以引入噪声；选择PLC设备和电源环境，记录测试数据；采用预设的调制算法和预设的物理层速率对PLC设备进行测试；不断增加客户端的数据传输请求，直至网络无法正常传输数据，记录此时的请求数量作为系统的传输极限；采用预设的码流带宽对视频文件的数据源进行测试；根据所述传输极限，获得传输速率变化曲线；维持网络设备和拓扑不变，改变信道噪声，获得数据传输受信道噪声的影响的测试数据；本发明能够为电力线载波技术在配用电中的应用提供有力支持。
-
公开(公告)号：CN109460850A
公开(公告)日：2019-03-12
申请号：CN201811088918.0
申请日：2018-09-17
Applicant: 天津科技大学 , 北京国电通网络技术有限公司 , 国网信息通信产业集团有限公司
Inventor： 张翼英 , 刘飞 , 张春光 , 王思宁 , 李云 , 孙磊 , 付兰梅 , 彭嫚 , 贾翠玲 , 赵金铎 , 童骁 , 梁琨 , 王聪 , 庞浩渊 , 阮元龙 , 刘松 , 尚静
Abstract: 本发明涉及一种基于布尔矩阵的后验双阈值电力大数据Apriori并行方法，所述方法包括如下步骤：步骤一：用布尔矩阵对数据进行压缩；步骤二：引入去除率进行剪枝；步骤三：进行双阈值并行处理；步骤四：利用提升度对结果进行验证。本方法采取了后验双阈值的Apriori并行算法，并且引入布尔矩阵和去除率的概念来对数据的处理进行剪枝和压缩存储，实现算法的运算并将其应用于电力大数据，达到减少计算次数的目的，最终实现电力大数据高效并行化计算，有效地解决了电力大数据的计算瓶颈问题，有效地提升了电力大数据的准确度、效率和数量。
-
公开(公告)号：CN111666406B
公开(公告)日：2023-03-31
申请号：CN202010286184.8
申请日：2020-04-13
Applicant: 天津科技大学
IPC: G06F16/35 , G06F40/284 , G06Q50/00
Abstract: 本发明涉及一种基于自注意力的单词和标签联合的短文本分类预测方法，其技术特点是：构造短文本序列的向量表示的矩阵，得出经由文本自注意力转换后的文本表示矩阵；构造标签序列的向量表示矩阵，得出短文本与标签交互注意力转换后的交互文本表示矩阵；得到文本语义表示向量z；最后z经过全连接层预测分类结果与短文本实际标签y进行比较计算出预测误差，通过不断迭代得到最优参数。本发明考虑单词和标签之间的相互影响，引入自注意力机制，利用数据集本身的类别标签信息，将标签和短文本的单词向量映射到同一空间，从而实现更好的交互功能，其充分提取到上下文信息，增加可解释性，提高了分类结果的准确度及分类任务的泛化能力。
-
公开(公告)号：CN108280153B
公开(公告)日：2022-01-07
申请号：CN201810013215.5
申请日：2018-01-08
Applicant: 天津科技大学
Abstract: 本发明涉及一种碎片化知识智能化聚合方法，步骤如下：步骤1.定义知识元本体；步骤2.定义碎片化知识本体关联聚合；步骤3.建立基于本体蕴涵的关联聚合规则；步骤4.聚合关联规则判定；步骤5.基于知识元本体的碎片知识关联规则判定；步骤6.碎片知识聚合关联发现；步骤7.实现碎片化知识聚合。本方法通过支持度及置信度判定，判定两个或多个知识元本体关联关系，通过强关联方法实现碎片化知识聚合；该方法分析了碎片化知识特征，面向在线学习要求，将原有固态的知识结构进行重新分割与动态聚合为具有自组织能力的知识簇，最终完成碎片化知识聚合，引导学习者充分利用碎片化时间获取精准有意义的知识内容。
-
Patent Agency Ranking
公开(公告)号：CN113626732A
公开(公告)日：2021-11-09
申请号：CN202010371076.0
申请日：2020-05-06
Applicant: 天津科技大学
IPC: G06F16/9538 , G06F16/9537 , G06Q50/14
Abstract: 本发明公开了一种移动旅游服务管理方法及其控制系统。本发明采用服务端和手机客户端的模式，提供了随访移动化旅游服务管理系统，能够高效、智能、移动、安全、便捷地服务于用户的出行需求；本发明采用数据动态存储的优化方法，提高内存效率；提高计算能力，快速地返回数据结果；采取一站式服务，提高服务效率；不定期发布在线活动，调高用户参与度与活跃度；增强检索词检索功能，提高检索的准确率；本发明能够依据不同用户对行程的不同需求，动态地记录用户的出行方案，从而提升不同用户的出行效率和体验。
-
公开(公告)号：CN111914864A
公开(公告)日：2020-11-10
申请号：CN201910387627.X
申请日：2019-05-08
Applicant: 天津科技大学
IPC: G06K9/62
Abstract: 本发明涉及一种改进二分k-means聚类方法，其主要技术特点是：利用自下而上的层次聚类改进二分k-means聚类，聚类过程中无需指定K值个数，一次二分聚类即可获得最小SSE簇，再通过判别条件，使其自动收敛。该方法的聚类性能优于K-均值聚类算法和二分K-均值聚类算法，使聚类后的结构更加紧密，簇边界更清晰。根据本发明实施例的改进二分k-means聚类方法，通过计算误差平方和SSE衡量该聚类算法性能的优劣。通过层次聚类和二分k-means聚类结合的改进算法对数据进行多次的聚类，直到收敛，可获得更好的聚类效果。
-
公开(公告)号：CN106534002B
公开(公告)日：2019-07-12
申请号：CN201610841846.7
申请日：2016-09-23
Applicant: 天津科技大学
Abstract: 本发明涉及一种基于压缩感知的电力线信道估计方法，步骤如下：1)信号稀疏表示；2)数据压缩；3)压缩数据重构，接收端利用提取的电力线信道特征y，运用感知重构算法估计电力线信道的冲击响应h(t)，即可对电力线信道进行准确地信道估计。本发明方法针对电力线通信信道具备稀疏性，提出了一种基于压缩感知的电力线信道估计方法，该方法实现了对电力线信道有效评估，且具有较好的频道占用小、存储量少等特性；仿真结果表明，基于压缩感知的电力线信道估计方法使用了更少的导频信号和更少的存储资源，但是算法性能却要优于最小二乘信道估计算法，因此提出的算法具备更好的应用前景。
-
公开(公告)号：CN116668116A
公开(公告)日：2023-08-29
申请号：CN202310629711.4
申请日：2023-05-31
Applicant: 天津科技大学
Abstract: 本发明公开了一种智能电表隐私保护系统及方法，涉及隐私保护领域，该系统包括：终端设备群、集中器和云端服务器，终端设备群负责用电数据的采集；集中器作为中间数据处理装置，负责收集辖区内智能电表终端设备所采集的用电数据，并对数据进行筛选，然后将筛选数据加密传输至云端服务器；云端服务器对接收到的加密后的筛选数据进行聚合计算和解密，该系统通过两次身份认证请求来确认智能电表终端设备的真实性，集中器对收集到的用电数据进行筛选，提高数据的可用性和真实性，集中器对加密后的筛选数据进行加密，并传输至云端服务器，以保证数据传输过程中的机密性和安全性。本发明能在提升数据隐私的保护效果的同时，保证数据的可用性。
-
公开(公告)号：CN111914082A
公开(公告)日：2020-11-10
申请号：CN201910387629.9
申请日：2019-05-08
Applicant: 天津科技大学
IPC: G06F16/35 , G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于SOM神经网络算法的在线知识聚合模型，步骤如下：步骤1.获取知识元；步骤2.设置神经网络变量；步骤3.初始化权值；步骤4.选取获胜的神经元；步骤5.更新权值；步骤6.更新节点的参数；步骤7.输出知识簇。本方法利用SOM神经网络等技术将有流动关系的知识元聚合为一个个知识簇，将知识簇整合成一系列的知识主题，使其且在内容和形式上更符合在线学习的需求。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.12 seconds)
