-
公开(公告)号：CN118690133A
公开(公告)日：2024-09-24
申请号：CN202410721670.6
申请日：2024-06-05
申请人： 重庆邮电大学
IPC分类号： G06F18/20 , G06F18/214 , G06F18/25 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/042 , G06N3/0464 , G06Q10/04 , G06Q30/0204
摘要： 本发明属于人群密度预测领域，具体涉及一种基于大数据的重点区域人群密度预测方法；该方法包括：获取人群行为数据，采用自适应图注意力网络对人群行为数据进行对齐与融合，得到融合人群行为特征；对融合人群行为特征进行数据增强，得到增强数据；对增强数据进行多尺度卷积、融合和映射处理，得到多尺度特征表示；采用异构图卷积神经网络对多尺度特征表示进行特征表示学习，得到多维度特征表示；将多维度特征表示输入到密度预测模块中进行处理，得到人群密度预测结果；本发明可有效提高预测结果的准确性，帮助相关工作人员快速获取发生地信息和该区域内人员的流动情况，快速制定解决方案。
-
公开(公告)号：CN118411048A
公开(公告)日：2024-07-30
申请号：CN202410506244.0
申请日：2024-04-25
申请人： 重庆邮电大学
IPC分类号： G06Q10/0637 , G06Q50/06
摘要： 本发明属于大数据技术领域，具体涉及一种基于大数据的电力系统短期净负荷预测方法，包括：获取电力系统电力负荷序列数据以及气压、温度、湿度序列数据；对气压、温度、湿度序列数据进行变换以提取其周期性特征；使用多噪声CEEMDAN对电力负荷序列数据进行分解并合并所有分量，与温度、湿度、气压序列数据以及周期性特征构成加强特征，并通过CNN提取加强特征的空间特征，并进行融合得到X1；将温度、气压、湿度、电力负荷序列数据选择不同组合送入Multi‑AE进行去噪得到X2；拼接X1和X2送入MLP得到预测结果。本发明采用添加周期突变噪声的方式，有效降低了序列数据的噪声水平，并提高了对于突变情况的准确预测能力。
-
公开(公告)号：CN118410165A
公开(公告)日：2024-07-30
申请号：CN202410488207.1
申请日：2024-04-23
申请人： 重庆邮电大学
IPC分类号： G06F16/35 , G06F16/33 , G06N3/0499 , G06N3/0455
摘要： 本发明涉及深度学习、大模型领域，特别涉及一种基于大数据的电力变压器故障智能诊断方法，包括获取电力变压器关键词参数以及对应的外部数据，通过获取的数据构建查询文档；将电力变压器待检测的查询数据转换为词嵌入向量，并对词嵌入向量进行位置编码，得到对应的向量表示；基于注意力机制对词的向量表示进行处理，得到每个词的注意力向量；通过神经网络对注意力向量进行非线性变换处理，得到查询文档中每个词的表示向量；基于查询文档中每个词的表示向量，检索与查询文档最相似的K个文档；将检索到的K个文档以及查询文档输入大语言模型中进行诊断，大语言模型输出诊断结果，并将大语言模型的诊断结果并入外部数据；本发明所创造的方法通过利用丰富的外部数据检索和大模型优秀的学习能力，使得电力变压器故障诊断的结果更加精准。
-
公开(公告)号：CN117408697A
公开(公告)日：2024-01-16
申请号：CN202311355535.6
申请日：2023-10-19
申请人： 重庆邮电大学
IPC分类号： G06Q20/40 , G06Q40/04 , G06F18/25 , G06F18/24 , G06N3/0499
摘要： 本发明属于大数据处理技术领域，具体涉及一种基于大数据的消费金融领域欺诈检测方法，包括：获取金融交易数据和用户个人数据并构建成图结构，使用图注意力网络分别提取出金融交易特征和用户特征，用稀疏交叉注意力机制进行融合后输出金融交易欺诈检测的结果；本发明在欺诈检测时引入用户之间的关系，将交易用户之间的联系以图形式进行特征提取，与金融交易特征进行融合，使得模型具有检测团伙性欺诈的能力，同时使用稀疏交叉注意力来对交易特征和用户特征进行融合，实现了高准确性的金融领域欺诈检测。
-
公开(公告)号：CN117349774A
公开(公告)日：2024-01-05
申请号：CN202311389790.2
申请日：2023-10-24
申请人： 重庆邮电大学
IPC分类号： G06F18/2433 , G06F18/25 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/09
摘要： 本发明涉及深度学习领域，特别涉及一种基于大数据的区块链异常交易检测方法，所述方法包括：将区块链交易信息原始数据作为浅层区块链特征语义向量，将其通过由ResNet‑16残差网络组成的深层特征交互模块后的向量作为深层区块链特征语义向量，将深、浅层区块链特征语义向量交错拼接后，分别输入特征聚合门控循环单元FA‑GRU与双层去噪自编码网络DDAE，并将对应的输出向量输入Cross‑Attention网络进行交互，最终得到区块链交易是否异常的检测结果。本发明融合了具有抽象特征语义的深层特征与具有原始重要信息的浅层特征，并挖掘了交叉特征的具有区分能力的特征，提升了区块链交易异常检测的性能。
-
公开(公告)号：CN117453916B
公开(公告)日：2024-10-11
申请号：CN202311403088.7
申请日：2023-10-26
申请人： 重庆邮电大学
IPC分类号： G06F16/35 , G06F18/214 , G06F18/241 , G06F18/213 , G06N3/0464
摘要： 本发明属于社交网络安全领域，具体涉及一种基于大数据的微博异常用户检测方法；包括：获取带标签的微博用户数据；根据微博用户数据提取用户行为特征和用户文本特征，得到用户行为特征高维表征和用户文本特征高维表征；根据微博用户数据提取用户基本特征，得到用户基本特征高维表征；对三种高维表征进行两两交互，得到基本‑行为特征表、基本‑文本特征表和行为‑文本特征表；对三种特征表进行处理，得到用户交叉高维特征；将用户交叉高维特征输入到全连接神经网络中进行处理，得到异常用户检测结果；计算全连接分类损失并根据全连接分类损失调整模型参数，得到训练好的异常用户检测模型；本发明检测结果准确，有助于相关部分对舆情进行控制。
-
公开(公告)号：CN117786564A
公开(公告)日：2024-03-29
申请号：CN202311575884.9
申请日：2023-11-23
申请人： 重庆邮电大学
IPC分类号： G06F18/2433 , G06F18/241 , G06F18/23213 , G06F18/213 , G06F18/25 , G06F18/214 , G06Q50/06 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
摘要： 本发明属于异常用电检测技术领域，具体涉及一种异常用电智能检测方法，包括：获取待检测的电网用户数据；输入异常用电检测模型中；得到电网用户的异常用电检测结果。异常用电检测模型的训练过程主要包括：获取模型训练样本；提取用户每日用电量行为表征向量序列，提取用户用电量行为表征向量，通过聚类获得用户类别特征；将用户用电量行为表征向量和连续型特征向量进行拼接并输入特征交叉网络，将用户每日用电量行为表征向量序列输入条件层级归一化网络；通过全连接神经网络进行迭代训练；损失函数收敛，则训练结束，得到训练后的异常用电检测模型。本发明参考用户的多样性以及用户用电习惯的周期性影响，有效提高异常用电检测的准确性。
-
公开(公告)号：CN117495566A
公开(公告)日：2024-02-02
申请号：CN202311521960.8
申请日：2023-11-15
申请人： 重庆邮电大学
摘要： 本发明属于大数据处理技术领域，具体涉及一种基于人工智能的区块链异常交易检测方法，包括：获取区块链交易数据并构建成图结构，使用Attention机制和GCN模型对图中的交易节点特征和其邻近节点的特征进行编码，将编码后的交易节点特征和邻近节点特征拼接后通过前馈神经网络进行二分类，预测本次交易是否为异常交易；本发明在对每个交易节点的邻近节点进行编码时，增大模型的视野域，考虑该节点周围多跳节点信息，提高异常交易识别的准确性。
-
公开(公告)号：CN117453916A
公开(公告)日：2024-01-26
申请号：CN202311403088.7
申请日：2023-10-26
申请人： 重庆邮电大学
IPC分类号： G06F16/35 , G06F18/214 , G06F18/241 , G06F18/213 , G06N3/0464
摘要： 本发明属于社交网络安全领域，具体涉及一种基于大数据的微博异常用户检测方法；包括：获取带标签的微博用户数据；根据微博用户数据提取用户行为特征和用户文本特征，得到用户行为特征高维表征和用户文本特征高维表征；根据微博用户数据提取用户基本特征，得到用户基本特征高维表征；对三种高维表征进行两两交互，得到基本‑行为特征表、基本‑文本特征表和行为‑文本特征表；对三种特征表进行处理，得到用户交叉高维特征；将用户交叉高维特征输入到全连接神经网络中进行处理，得到异常用户检测结果；计算全连接分类损失并根据全连接分类损失调整模型参数，得到训练好的异常用户检测模型；本发明检测结果准确，有助于相关部分对舆情进行控制。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.027 秒)
