-
公开(公告)号：CN114362994A
公开(公告)日：2022-04-15
申请号：CN202111418689.6
申请日：2021-11-26
申请人： 北京交通大学 , 中国国家铁路集团有限公司
摘要： 本发明实施属于铁路信息系统安全技术领域，具体涉及多层异粒度智能聚合铁路系统运行行为安全风险识别方法。该方法主要包括：首先利用静态阈值对设备性能数据进行判断，筛选出异常的性能项目，由异常的性能项目分别基于网络攻击聚合规则和网络拓扑聚合规则得到需要聚合分析的多源日志数据集合并且给每条日志设置好相应的网络攻击权重q，将它们依次作为现有神经网络的输入，并且对相应的输出结果进行加权平均化处理，得到风险等级预测数值，该值越大，当前系统面临的网络安全风险就越大。本发明使用了关联规则与深度学习技术相结合的方式，综合考虑了多方面因素，达到了比传统方法更高的效率。
-
公开(公告)号：CN114362994B
公开(公告)日：2023-01-06
申请号：CN202111418689.6
申请日：2021-11-26
申请人： 北京交通大学 , 中国国家铁路集团有限公司
摘要： 本发明实施属于铁路信息系统安全技术领域，具体涉及多层异粒度智能聚合铁路系统运行行为安全风险识别方法。该方法主要包括：首先利用静态阈值对设备性能数据进行判断，筛选出异常的性能项目，由异常的性能项目分别基于网络攻击聚合规则和网络拓扑聚合规则得到需要聚合分析的多源日志数据集合并且给每条日志设置好相应的网络攻击权重q，将它们依次作为现有神经网络的输入，并且对相应的输出结果进行加权平均化处理，得到风险等级预测数值，该值越大，当前系统面临的网络安全风险就越大。本发明使用了关联规则与深度学习技术相结合的方式，综合考虑了多方面因素，达到了比传统方法更高的效率。
-
公开(公告)号：CN108510001A
公开(公告)日：2018-09-07
申请号：CN201810296437.2
申请日：2018-04-04
申请人： 北京交通大学
IPC分类号： G06K9/62
摘要： 本发明公开了一种风力发电机叶片缺陷分类方法及其分类系统，分类方法包括以下步骤：利用在风力发电机叶片图像样本数据集上进行过训练的ResNet提取叶片的缺陷特征；利用ResNet提取的所述叶片的缺陷特征来获得频繁程度高的叶片缺陷类别信息；将提取的频繁程度高的叶片缺陷类别信息用于决策树的构建，重复迭代直至收敛后得到缺陷分类模型，并利用基于高频取样CatBoost方法对其缺陷特征进行分类；该方法能够对叶片缺陷进行准确的检测及分类，有利于风力发电的发展。
-
公开(公告)号：CN108510001B
公开(公告)日：2022-06-10
申请号：CN201810296437.2
申请日：2018-04-04
申请人： 北京交通大学
IPC分类号： G06V10/774 , G06V10/764
摘要： 本发明公开了一种风力发电机叶片缺陷分类方法及其分类系统，分类方法包括以下步骤：利用在风力发电机叶片图像样本数据集上进行过训练的ResNet提取叶片的缺陷特征；利用ResNet提取的所述叶片的缺陷特征来获得频繁程度高的叶片缺陷类别信息；将提取的频繁程度高的叶片缺陷类别信息用于决策树的构建，重复迭代直至收敛后得到缺陷分类模型，并利用基于高频取样CatBoost方法对其缺陷特征进行分类；该方法能够对叶片缺陷进行准确的检测及分类，有利于风力发电的发展。
-
-
-
搜索结果
4 条记录 (耗时 0.08 秒)