一种基于深度学习的电力图像分类方法

    公开(公告)号:CN104680192A

    公开(公告)日:2015-06-03

    申请号:CN201510061576.3

    申请日:2015-02-05

    IPC分类号: G06K9/66 G06K9/62

    摘要: 本发明公开了一种基于深度学习的电力图像分类方法,步骤:采用乱序发射机制实现输入电力图像的逐类发射:在乱序发射机制中采用第一缓存区和第二缓存区,第一缓存区用于存储若干张待处理的图象,从第一缓存区中选取若干张图象存储到第二缓存区中,第二缓存区的图象排队等候发射;对电力图像进行区域提取;对区域提取后的图象进行增强处理;对增强处理后的图像的进行大小调整,并将该图象格式化使其满足分类器的输入;将数据输入到分类器中,选择不同的训练集大小和训练速度进行多次实验,并将分类准确率和效率进行对比分析,选出最优的训练参数,以获得最佳训练效果。本发明比传统技术有着明显的优势,训练的收敛速度较快并有较高的准确率。

    一种面向资源利用最优的线程数量自动调整方法及装置

    公开(公告)号:CN103810048A

    公开(公告)日:2014-05-21

    申请号:CN201410088173.3

    申请日:2014-03-11

    IPC分类号: G06F9/50

    摘要: 本发明公开了一种面向资源利用最优的线程数量自动调整方法及装置,包括资源监控模块,用于监控服务器各项计算资源的使用状况;训练模块,用于量化每类任务新增一个线程所使用的资源量;线程数量确定模块,用于对每类任务线程数量的确定并发出线程调整指令;线程管理模块,用于根据线程数量确定模块的指令动态管理线程,负责线程的创建、回收、销毁。可自动完成线程数量的调整。本发明利用资源监控及线程管理等方法,完全不需人工干涉即可完成线程数量的调整,节省了软件开发人员性能优化的工作量,并可动态、准确、快速地调整线程数量,使服务器资源利用达到或接近最优。

    一种变压器状态监测数据的异常检测方法

    公开(公告)号:CN105512474B

    公开(公告)日:2017-12-12

    申请号:CN201510874796.8

    申请日:2015-12-02

    IPC分类号: G06F19/00

    摘要: 本发明公开了一种变压器状态监测数据的异常检测方法,包括如下步骤:步骤S1,对多维的变压器状态监测数据进行预处理,得到标准化的状态监测数据;步骤S2,针对标准化的状态监测数据,建立滑动窗口,并对滑动窗口中的数据进行k‑均值聚类;步骤S3,筛选出滑动窗口中的异常数据以及异常时刻,建立异常数据集;步骤S4,根据步骤S3中的异常数据集,得到状态监测数据的是变压器运行状态异常数据还是传感器噪声,若是变压器运行状态异常数据,则同时检测出变压器运行状态的异常时刻;若是传感器噪声,则对传感器噪声进行驱除。本发明具有实现异常状态实时检测的优点。