-
公开(公告)号：CN113723514B
公开(公告)日：2023-10-20
申请号：CN202111012705.1
申请日：2021-08-31
Applicant: 重庆邮电大学
IPC: G06F18/23213
Abstract: 本发明涉及数据处理领域，涉及一种基于混合采样的安全接入日志数据平衡处理方法；所述方法包括对安全日志记录预处理提取出结构化的句向量；将句向量划分为多数类样本与少数类样本；利用k近邻密度峰值聚类算法分别对多数类样本和少数类样本聚类处理，确定出簇中心和离群点，并将所有样本分配到对应的类簇中；利用k近邻密度峰值聚类算法对多数类样本进行欠采样处理；将轮盘赌算法与k近邻密度峰值聚类算法结合对少数类数据进行过采样，同时还单独为少数类的离散点进行过采样；将欠采样和过采样得到的结果共同组成新的平衡数据集。本发明在学习到数据分布的基础上做到多数类与少数类的平衡，能够为分类模型提供良好的数据学习基础，提高分类精度。
-
公开(公告)号：CN114819392A
公开(公告)日：2022-07-29
申请号：CN202210548819.6
申请日：2022-05-20
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于用户聚类扩展数据的用电预测方法，属于电力数据分析处理领域；该方法包括对用户用电时间序列特征利用EEMD对其进行分解，得到IMF序列；对分解结果采用PCA K‑Means聚类方法降维，获取用户IMF聚类结果；对IMF聚类结果再次采用PCA K‑Means聚类方法，获取用户聚类结果；根据用户聚类结果，对属于同类用户的IMF序列进行扩展；将扩展数据输入到卷积神经网络融合长短期记忆人工神经网络模型中，训练网络模型；将用户的待测IMF序列及其同类用户的用电时间序列输入到训练后的网络模型中，得到用户的用电预测结果。本发明利用用户间关系来扩展数据，提升了预测结果的精确性和稳定性。
-
公开(公告)号：CN117979251A
公开(公告)日：2024-05-03
申请号：CN202410239683.X
申请日：2024-03-04
Applicant: 重庆邮电大学
Abstract: 本发明属于无线传感器网络领域，具体涉及一种基于群体智能优化算法的WSN部署方法，包括：构建WSN覆盖模型，根据WSN覆盖模型构建WSN目标函数；根据精英反向学习方法、莱维飞行策略、布朗运动策略改进群体智能优化算法，采用改进后的群体智能优化算法根据WSN目标函数计算WSN部署策略；所述WSN为传感器节点；本发明结合许多优势策略改进群体智能算法进行WSN覆盖优化，在保证寻优的收敛速度和精度的同时，同时避免陷入局部最优，以实现传感器节点最小化和覆盖率的最大化。
-
公开(公告)号：CN113723514A
公开(公告)日：2021-11-30
申请号：CN202111012705.1
申请日：2021-08-31
Applicant: 重庆邮电大学
IPC: G06K9/62
Abstract: 本发明涉及数据处理领域，涉及一种基于混合采样的安全接入日志数据平衡处理方法；所述方法包括对安全日志记录预处理提取出结构化的句向量；将句向量划分为多数类样本与少数类样本；利用k近邻密度峰值聚类算法分别对多数类样本和少数类样本聚类处理，确定出簇中心和离群点，并将所有样本分配到对应的类簇中；利用k近邻密度峰值聚类算法对多数类样本进行欠采样处理；将轮盘赌算法与k近邻密度峰值聚类算法结合对少数类数据进行过采样，同时还单独为少数类的离散点进行过采样；将欠采样和过采样得到的结果共同组成新的平衡数据集。本发明在学习到数据分布的基础上做到多数类与少数类的平衡，能够为分类模型提供良好的数据学习基础，提高分类精度。
-
-
-
Search Results
4
records
(took 0.018 seconds)
