公开(公告)号：CN119963864A

公开(公告)日：2025-05-09

申请号：CN202510029725.1

申请日：2025-01-08

Applicant: 福建师范大学

Inventor： 朱维富 ,  肖如良 ,  曾智霞 ,  丘志鹏 ,  倪友聪

IPC: G06V10/762 ,  G06V10/80 ,  G06V10/82 ,  G06V10/74 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了基于细粒度动态融合的深度多视图聚类方法，方法为：获取多视图数据并为每个视图构建自动编码器网络，并计算自编码重构损失；将低级潜在特征映射得到微簇结构；基于动态平衡分配策略优化微簇结构并计算得到优化损失；对每个单视图进行聚类并计算获取单视图聚类的损失；进行自表示偏差融合学习并获取免私有信息干扰的自表示损失；计算获取偏差矩阵；使用多头自注意力机制结合偏差矩阵得到融合特征，并计算特征融合优化函数；构建整体优化损失函数，通过最小化整体优化损失函数进行聚类训练，得到最终的聚类结果。本发明综合考虑簇的大小、先验概率分布和距离，解决了异构性归属判定问题。

公开(公告)号：CN120011991A

公开(公告)日：2025-05-16

申请号：CN202510033740.3

申请日：2025-01-09

Applicant: 福建师范大学

Inventor： 丘志鹏 ,  肖如良 ,  曾智霞 ,  朱维富 ,  杜欣

IPC: G06F18/2433 ,  G01R35/00 ,  G01D18/00 ,  G06F18/10 ,  G06F18/213 ,  G06F18/214 ,  G06F18/25 ,  G06N3/042 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/088 ,  G06F123/02

Abstract: 本发明公开了蓄能电池传感器系统无监督异常检测方法，方法为：将传感器数据进行时间序列视图和传感器视图处理，分别得到多变量时间序列和状态值；通过GRU获得时间序列视图中的特征向量，通过GCN获得传感器视图中的特征向量，再共同拼接获得组合特征；通过编码器对组合特征进行编码获得潜变量；解码器对潜变量解码重构整个数据集，并计算得到解码器的重构误差；基于蓄能电池传感器系统的先验知识计算得到物理模型误差；基于重构误差和物理模型误差计算得到最终异常评分；当异常评分大于设定的异常阈值时判定存在异常并进行标记。本发明增强了多传感器系统的异常检测能力，还为复杂工业系统的智能运维提供了一种新颖的解决方案。

公开(公告)号：CN113344128B

公开(公告)日：2023-06-23

申请号：CN202110733213.5

申请日：2021-06-30

Applicant: 福建师范大学

Inventor： 肖如良 ,  朱维富 ,  张仕 ,  蔡声镇

IPC: G06F18/23 ,  G16Y20/00

Abstract: 本发明涉及一种基于微簇的工业物联网自适应流聚类方法及装置，根据微簇的高密度性，将每一个微簇作为一个参与聚类的数据样本点，计算每个微簇的局部密度以及微簇之间的距离，通过微簇的局部密度以及微簇距离来构建宏簇聚类决策树从而确定聚类中心以及自适应确定宏簇聚类数。并且通过引入了权重衰减函数来不断的更新微簇权重，从而来移除老化的微簇以防止概念演化以及数据漂移问题。此外，本文方法去除了微簇构建过程中相交微簇之间的计算，简化了繁重的剪枝操作，维护了宏观簇所需的最小计算量。

公开(公告)号：CN115208651A

公开(公告)日：2022-10-18

申请号：CN202210793836.6

申请日：2022-07-07

Applicant: 福建师范大学

Inventor： 肖如良 ,  朱维富 ,  邹利琼 ,  张仕

IPC: H04L9/40 ,  H04L43/04 ,  H04L43/0876 ,  G06K9/62

Abstract: 本发明涉及一种基于逆习惯化机制的流聚类异常检测方法及系统，该方法包括以下步骤：（1）对数据进行逆习惯化处理；（2）初始化学习模型；（3）寻找最佳微簇；（4）更新微集群；（5）移除异常微簇；（6）构建宏簇集群。该方法有利于提高流聚类异常检测的速度和有效性。

公开(公告)号：CN113344128A

公开(公告)日：2021-09-03

申请号：CN202110733213.5

申请日：2021-06-30

Applicant: 福建师范大学

Inventor： 肖如良 ,  朱维富 ,  张仕 ,  蔡声镇

IPC: G06K9/62 ,  G16Y20/00

Abstract: 本发明涉及一种基于微簇的工业物联网自适应流聚类方法及装置，根据微簇的高密度性，将每一个微簇作为一个参与聚类的数据样本点，计算每个微簇的局部密度以及微簇之间的距离，通过微簇的局部密度以及微簇距离来构建宏簇聚类决策树从而确定聚类中心以及自适应确定宏簇聚类数。并且通过引入了权重衰减函数来不断的更新微簇权重，从而来移除老化的微簇以防止概念演化以及数据漂移问题。此外，本文方法去除了微簇构建过程中相交微簇之间的计算，简化了繁重的剪枝操作，维护了宏观簇所需的最小计算量。

公开(公告)号：CN115208651B

公开(公告)日：2023-05-26

申请号：CN202210793836.6

申请日：2022-07-07

Applicant: 福建师范大学

Inventor： 肖如良 ,  朱维富 ,  邹利琼 ,  张仕

IPC: H04L9/40 ,  H04L43/04 ,  H04L43/0876 ,  G06F18/23213 ,  G06F18/22

Abstract: 本发明涉及一种基于逆习惯化机制的流聚类异常检测方法及系统，该方法包括以下步骤：（1）对数据进行逆习惯化处理；（2）初始化学习模型；（3）寻找最佳微簇；（4）更新微集群；（5）移除异常微簇；（6）构建宏簇集群。该方法有利于提高流聚类异常检测的速度和有效性。