-
公开(公告)号：CN107300587A
公开(公告)日：2017-10-27
申请号：CN201710051941.1
申请日：2017-01-20
Applicant: 浙江农林大学
IPC: G01N29/07
CPC classification number: G01N29/07 , G01N2291/048
Abstract: 本发明公开了一种树木缺陷检测方法，本发明通过数学模型得出纵截面上应力波理论传播速度，再通过实验得出样本木材内部应力波传播速度状况，并对比二者之间的关系标记出异常路径，从而找到缺陷位置以及确定缺陷大小；本发明具有检测精度高，实用性强的特点。
-
公开(公告)号：CN103916896B
公开(公告)日：2017-05-24
申请号：CN201410116085.X
申请日：2014-03-26
Applicant: 浙江农林大学
Abstract: 本发明涉及基于多维Epanechnikov核密度估计的异常检测方法。目的是提供的方法能准确检测出异常数据。技术方案是：一种基于多维Epanechnikov核密度估计的异常检测方法，依次包括以下步骤：1）所有分布节点各自采集数据，接着利用基于第k个最近距离的采样方法进行异常值诊断；2）在簇首节点滑动窗口内形成正常数据样本，根据该样本在簇首节点滑动窗口内建立核密度估计模型；3）上述核密度估计模型发送给各分布节点，各分布节点利用该核密度估计模型判断下一时刻各分布节点内到达的数据是否异常；4）每隔时间T，各分布节点主动向簇首节点发送最新一段时间的正常数据；5）返回至步骤一。
-
公开(公告)号：CN104902509A
公开(公告)日：2015-09-09
申请号：CN201510256798.0
申请日：2015-05-19
Applicant: 浙江农林大学
CPC classification number: H04W24/08 , G06F17/30522 , H04W84/18
Abstract: 本发明公开了一种基于top-k(σ)算法的异常数据检测方法，通过构造PC列表，将潜在异常数据点对应的小数据单元格对应的第四列数据分别与阈值进行比较，如果大于阈值，则与该第四列数据对应的小数据单元格内的数据点为异常数据点，否则为正常数据点；有效避免了把异常值误判为正常值或者有效避免了将正常值误判为异常值，大大降低了本发明算法的误报率，通过具体仿真实验发现，本发明提出的算法的误报率比基于top-k算法降低了4.48％；本发明通过调整阈值的取值大大提高了本发明算法的检测率，通过具体仿真实验发现，本发明提出的算法检测率达到了93.7％，本发明的算法与基于top-k算法比较检测率提高了4.94％。
-
公开(公告)号：CN103916896A
公开(公告)日：2014-07-09
申请号：CN201410116085.X
申请日：2014-03-26
Applicant: 浙江农林大学
Abstract: 本发明涉及基于多维Epanechnikov核密度估计的异常检测方法。目的是提供的方法能准确检测出异常数据。技术方案是：一种基于多维Epanechnikov核密度估计的异常检测方法，依次包括以下步骤：1）所有分布节点各自采集数据，接着利用基于第k个最近距离的采样方法进行异常值诊断；2）在簇首节点滑动窗口内形成正常数据样本，根据该样本在簇首节点滑动窗口内建立核密度估计模型；3）上述核密度估计模型发送给各分布节点，各分布节点利用该核密度估计模型判断下一时刻各分布节点内到达的数据是否异常；4）每隔时间T，各分布节点主动向簇首节点发送最新一段时间的正常数据；5）返回至步骤一。
-
公开(公告)号：CN102928514A
公开(公告)日：2013-02-13
申请号：CN201210411121.6
申请日：2012-10-14
Applicant: 浙江农林大学
Abstract: 本发明公开了一种基于频率特征的木材应力波无损检测方法，在原木周围均匀地安装压电式加速度传感器，用脉冲锤敲击其中编号为0的传感器，利用数据采集卡完成传感器输出信号的采集，保存；对采集到的信号做K点快速傅立叶变换，然后求出实测频率响应函数；根据实测频率响应函数及健康木的频率响应函数，构建观察矩阵；作基于二阶统计量的盲源分离，估计缺陷点与观测点之间的频率响应函数；最后以聚类结果为依据判别木材内部有无缺陷、缺陷数量以及缺陷大小。该根据木材频率响应函数的应力波无损检测方法，不受反射波、折射波信号的干扰，检测结果更加准确，能自动检测出木材内部是否存在缺陷、缺陷大小的信息，检测过程简便，实用性强。
-
Patent Agency Ranking
公开(公告)号：CN101969655B
公开(公告)日：2013-01-23
申请号：CN201010290813.0
申请日：2010-09-21
Applicant: 浙江农林大学
Inventor： 李光辉
Abstract: 本发明涉及一种无线传感器网络数据验证方法。目的是该方法能具有实时验证方便、对错误的检测精度高的特点。技术方案是：基于单层线性网络预测的无线传感器网络数据验证方法，包括以下步骤：1、在给定节点的初始测量数据序列和误差阈值C后，计算单层线性网络的权向量；2、计算节点在下一时刻的预测值随后将其与实际测量值xt+1进行比较；若两者误差小于给定的阈值C，则消除测量数据序列中的元素xt-(q-1)，并将xt+1增加到序列X中；然后返回到第2步骤；否则测量值xt+1初步认定为异常值；接着利用其它类型数据对xt+1进行确认；如确认xt+1则就为错误测量值；如xt+1为正确的量值则消除测量数据序列中的元素xt-(q-1)，并将增加到序列X中，；然后返回到第2步骤。
-
公开(公告)号：CN101969655A
公开(公告)日：2011-02-09
申请号：CN201010290813.0
申请日：2010-09-21
Applicant: 浙江农林大学
Inventor： 李光辉
Abstract: 本发明涉及一种无线传感器网络数据验证方法。目的是该方法能具有实时验证方便、对错误的检测精度高的特点。技术方案是：基于单层线性网络预测的无线传感器网络数据验证方法，包括以下步骤：1、在给定节点的初始测量数据序列和误差阈值C后，计算单层线性网络的权向量；2、计算节点在下一时刻的预测值随后将其与实际测量值xt+1进行比较；若两者误差小于给定的阈值C，则消除测量数据序列中的元素xt-(q-1)，并将xt+1增加到序列X中；然后返回到第2步骤；否则测量值xt+1初步认定为异常值；接着利用其它类型数据对xt+1进行确认；如确认xt+1则就为错误测量值；如xt+1为正确的量值则消除测量数据序列中的元素xt-(q-1)，并将增加到序列X中；然后返回到第2步骤。
-
公开(公告)号：CN104994535B
公开(公告)日：2019-08-06
申请号：CN201510305314.7
申请日：2015-06-04
Applicant: 浙江农林大学
Abstract: 本发明公开了一种基于多维数据模型的传感器数据流异常检测方法，包括以下步骤：首先构造多维数据模型，然后采用异常数据的检测方法判断传感器节点是否为异常节点，如果是则采用异常数据的验证方法对判定的异常节点进行确认该异常节点的异常来源，所述异常来源包括异常节点所在区域发生特定事件和节点本身存在故障；本发明的方法针对传感器节点采集的多维属性数据提出了异常数据检测方法，充分考虑了传感器数据流之间的时空相关性和多维属性数据之间的关联性，具有可扩展性；与传统的检测方法比较，本发明提出的方法具有较高的检测率和较低的误报率。
-
公开(公告)号：CN104902509B
公开(公告)日：2018-03-30
申请号：CN201510256798.0
申请日：2015-05-19
Applicant: 浙江农林大学
Abstract: 本发明公开了一种基于top‑k(σ)算法的异常数据检测方法，通过构造PC列表，将潜在异常数据点对应的小数据单元格对应的第四列数据分别与阈值进行比较，如果大于阈值，则与该第四列数据对应的小数据单元格内的数据点为异常数据点，否则为正常数据点；有效避免了把异常值误判为正常值或者有效避免了将正常值误判为异常值，大大降低了本发明算法的误报率，通过具体仿真实验发现，本发明提出的算法的误报率比基于top‑k算法降低了4.48％；本发明通过调整阈值的取值大大提高了本发明算法的检测率，通过具体仿真实验发现，本发明提出的算法检测率达到了93.7％，本发明的算法与基于top‑k算法比较检测率提高了4.94％。
-
公开(公告)号：CN105181806B
公开(公告)日：2018-01-23
申请号：CN201510473493.5
申请日：2015-08-05
Applicant: 浙江农林大学
IPC: G01N29/07
Abstract: 本发明公开了一种基于多通道触发的应力波无损检测数据修正方法，首先使用小锤依次击打所述传感器并将被击打的传感器作为信号源点，其它传感器作为信号接收点；然后应力波检测前端处理模块与源点可变计时模块实现多通道触发计时，得到应力波传播速度数据，接着利用应力波速度修正模型将速度数据进行修正得到速度数据修正值；通过应力波速度修正模型得到的应力波传播速度修正值使得木材缺陷检测；作为信号源点的传感器和作为接收信号点的传感器之间形成的应力波传播通道可以随着作为信号源点的传感器的改变而改变，在测量时采用信号源点可变实现多通道触发计时使得各个通道应力波传播时间数据测量更加精确和简便，同时提高了检测效率。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.026 seconds)
