-
公开(公告)号：CN115001997A
公开(公告)日：2022-09-02
申请号：CN202210376980.X
申请日：2022-04-11
申请人： 北京邮电大学
IPC分类号： H04L43/08 , H04L43/0817 , H04L43/16 , H04L41/14
摘要： 本发明提供一种基于极值理论的智慧城市网络设备性能异常阈值评估方法，所述方法包括：基于目标性能数据和极大似然估计方法，确定广义帕累托分布模型的目标参数；基于目标参数，确定智慧城市网络设备性能的异常阈值；目标性能数据是基于智慧城市网络设备的运行数据确定的；目标参数包括规模参数和形状参数。本发明提供的基于极值理论的智慧城市网络设备性能异常阈值评估方法，通过使用极大似然估计方法确定广义帕累托分布的参数，解决了一般参数估计方法准确率低，性能低效的问题，并且得到的广义帕累托分布的参数更加接近真实值，为广义帕累托分布求解异常边界阈值打下基础，提高了异常边界阈值计算的准确率。
-
公开(公告)号：CN111784381B
公开(公告)日：2023-05-16
申请号：CN202010520053.1
申请日：2020-06-09
申请人： 北京邮电大学 , 国网浙江省电力有限公司电力科学研究院
IPC分类号： G06Q30/0201 , G06Q50/06 , G06F18/241 , G06F18/231 , G06F21/62 , G06F21/60 , G06N3/0464
摘要： 本发明实施例提供一种基于隐私保护和SOM网络的电力客户细分方法及系统，该方法包括：通过智能电表，获取电力客户的用电多维数据；对所述用电多维数据进行聚类处理，获取电力客户的聚类数和初始聚类中心；将所述用电多维数据输入到改进的SOM神经网络中，并将所述聚类数和所述初始聚类中心作为改进的SOM神经网络的初始值，得到电力客户细分结果；其中，所述改进的SOM神经网络是通过等偏差理论对SOM神经网络进行改进得到的。本发明实施例提高SOM网络在电力网客户细分上的准确率，在客户数量较大时，能够实现对客户的快速和有效聚类，极大地减少了人为指定聚类个数的盲目性和主观性。
-
公开(公告)号：CN111813954A
公开(公告)日：2020-10-23
申请号：CN202010599867.9
申请日：2020-06-28
申请人： 北京邮电大学
IPC分类号： G06F16/36 , G06F40/295 , G06N3/04 , G06N3/08
摘要： 本发明实施例提供一种文本语句中两实体的关系确定方法、装置和电子设备，该方法包括：确定待测文本语句和位置信息；将待测文本语句和位置信息输入实体关系提取模型，输出与所述待测文本语句和位置信息对应的所述两实体的关系类型；其中，实体关系提取模型是基于样本文本语句和位置信息以及预先确定的对应于样本文本语句和位置信息的两实体关系类型标签进行训练后得到的，实体关系提取模型训练时对样本文本语句和位置信息采用时间衰减注意力机制进行处理，样本文本语句和位置信息由标准人工标注库通过远程监督机制自动扩充。本发明实施例提供的方法、装置和电子设备，实现了评价人体动作识别结果时考虑深度信息，更适用于评价人体动作捕捉。
-
公开(公告)号：CN115001997B
公开(公告)日：2024-02-09
申请号：CN202210376980.X
申请日：2022-04-11
申请人： 北京邮电大学
IPC分类号： H04L43/08 , H04L43/0817 , H04L43/16 , H04L41/14
摘要： 为广义帕累托分布求解异常边界阈值打下基础，本发明提供一种基于极值理论的智慧城市 提高了异常边界阈值计算的准确率。网络设备性能异常阈值评估方法，所述方法包括：基于目标性能数据和极大似然估计方法，确定广义帕累托分布模型的目标参数；基于目标参数，确定智慧城市网络设备性能的异常阈值；目标性能数据是基于智慧城市网络设备的运行数据确定的；目标参数包括规模参数和形状参数。本发明提供的基于极值理论的智慧城市网络设备性能异常阈值评估方法，通过使用极大似然估(56)对比文件马跃，彭作祥《.广义误差帕累托分布及其在保险中的应用》《.西南大学学报（自然科学版）》.2017,99-102.
-
公开(公告)号：CN111813954B
公开(公告)日：2022-11-04
申请号：CN202010599867.9
申请日：2020-06-28
申请人： 北京邮电大学
IPC分类号： G06F16/36 , G06F40/295 , G06N3/04 , G06N3/08
摘要： 本发明实施例提供一种文本语句中两实体的关系确定方法、装置和电子设备，该方法包括：确定待测文本语句和位置信息；将待测文本语句和位置信息输入实体关系提取模型，输出与所述待测文本语句和位置信息对应的所述两实体的关系类型；其中，实体关系提取模型是基于样本文本语句和位置信息以及预先确定的对应于样本文本语句和位置信息的两实体关系类型标签进行训练后得到的，实体关系提取模型训练时对样本文本语句和位置信息采用时间衰减注意力机制进行处理，样本文本语句和位置信息由标准人工标注库通过远程监督机制自动扩充。本发明实施例提供的方法、装置和电子设备，实现了评价人体动作识别结果时考虑深度信息，更适用于评价人体动作捕捉。
-
公开(公告)号：CN114760190A
公开(公告)日：2022-07-15
申请号：CN202210375177.4
申请日：2022-04-11
申请人： 北京邮电大学
IPC分类号： H04L41/0631 , H04L43/08
摘要： 本发明提供一种面向服务的融合网络性能异常检测方法，所述方法包括：基于第一数据中的性能指标的概率分布，确定第二数据中的性能指标的异常程度值；第一数据为服务异常发生时间前的融合网络性能数据，第二数据为服务异常发生时间后的融合网络性能数据；基于第二数据中的性能指标的异常程度值，确定异常指标根因。本发明提供的一种面向服务的融合网络性能异常检测方法，通过在服务发生异常前后的时间窗口内采集融合网络性能数据的各项性能指标，基于不同类型性能指标在正常区间中的概率分布，确定所有性能指标的异常程度值，从而输出异常指标根因，实现有效地定位异常指标根因。
-
公开(公告)号：CN111784381A
公开(公告)日：2020-10-16
申请号：CN202010520053.1
申请日：2020-06-09
申请人： 北京邮电大学 , 国网浙江省电力有限公司电力科学研究院
摘要： 本发明实施例提供一种基于隐私保护和SOM网络的电力客户细分方法及系统，该方法包括：通过智能电表，获取电力客户的用电多维数据；对所述用电多维数据进行聚类处理，获取电力客户的聚类数和初始聚类中心；将所述用电多维数据输入到改进的SOM神经网络中，并将所述聚类数和所述初始聚类中心作为改进的SOM神经网络的初始值，得到电力客户细分结果；其中，所述改进的SOM神经网络是通过等偏差理论对SOM神经网络进行改进得到的。本发明实施例提高SOM网络在电力网客户细分上的准确率，在客户数量较大时，能够实现对客户的快速和有效聚类，极大地减少了人为指定聚类个数的盲目性和主观性。
-
公开(公告)号：CN114978956B
公开(公告)日：2024-04-09
申请号：CN202210386525.8
申请日：2022-04-11
申请人： 北京邮电大学
IPC分类号： H04L43/0817 , H04L43/50
摘要： 本发明提供一种智慧城市网络设备性能异常突变点检测方法及装置，该方法包括：基于极值理论根据智慧城市网络设备的性能指标的历史时间序列数据获取第一阈值和第二阈值；其中，所述第一阈值大于所述第二阈值；根据所述历史时间序列数据中大于所述第一阈值或小于所述第二阈值的元素，确定Prophet模型的突变点；基于所述Prophet模型根据所述突变点对所述历史时间序列数据进行拟合，获取所述历史时间序列的拟合曲线；根据所述拟合曲线，判断所述智慧城市网络设备的性能指标的当前数据是否异常。本发明使得Prophet的趋势项可以更好地拟合，提高性能指标异常检测的准确率。
-
公开(公告)号：CN114760190B
公开(公告)日：2023-06-20
申请号：CN202210375177.4
申请日：2022-04-11
申请人： 北京邮电大学
IPC分类号： H04L41/0631 , H04L43/08
摘要： 本发明提供一种面向服务的融合网络性能异常检测方法，所述方法包括：基于第一数据中的性能指标的概率分布，确定第二数据中的性能指标的异常程度值；第一数据为服务异常发生时间前的融合网络性能数据，第二数据为服务异常发生时间后的融合网络性能数据；基于第二数据中的性能指标的异常程度值，确定异常指标根因。本发明提供的一种面向服务的融合网络性能异常检测方法，通过在服务发生异常前后的时间窗口内采集融合网络性能数据的各项性能指标，基于不同类型性能指标在正常区间中的概率分布，确定所有性能指标的异常程度值，从而输出异常指标根因，实现有效地定位异常指标根因。
-
公开(公告)号：CN114978956A
公开(公告)日：2022-08-30
申请号：CN202210386525.8
申请日：2022-04-11
申请人： 北京邮电大学
IPC分类号： H04L43/0817 , H04L43/50
摘要： 本发明提供一种智慧城市网络设备性能异常突变点检测方法及装置，该方法包括：基于极值理论根据智慧城市网络设备的性能指标的历史时间序列数据获取第一阈值和第二阈值；其中，所述第一阈值大于所述第二阈值；根据所述历史时间序列数据中大于所述第一阈值或小于所述第二阈值的元素，确定Prophet模型的突变点；基于所述Prophet模型根据所述突变点对所述历史时间序列数据进行拟合，获取所述历史时间序列的拟合曲线；根据所述拟合曲线，判断所述智慧城市网络设备的性能指标的当前数据是否异常。本发明使得Prophet的趋势项可以更好地拟合，提高性能指标异常检测的准确率。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.023 秒)
