一种商品销量预测方法
    3.
    发明授权

    公开(公告)号:CN115115416B

    公开(公告)日:2024-07-02

    申请号:CN202210862555.1

    申请日:2022-07-21

    申请人: 湖南大学

    摘要: 本发明涉及一种商品销量预测方法。其发明内容主要包括:(1)基于多商品销量特征的滚动回归模型与深度学习模型的构建;(2)多种回归预测模型集成的销量精准预测方法。通过已被提出的商品历史销量和其它影响因素等特征,构建出滚动预测的回归模型,深度学习模型以及剔除异常值的深度学习模型。再将构建的多种模型进行回归集成,构建出最后的多模型集成回归预测学习器,从而对商品未来销量进行精准预测。

    基于行波数据深度学习的输电线路故障选线与定位方法

    公开(公告)号:CN114325245B

    公开(公告)日:2023-07-14

    申请号:CN202210040970.9

    申请日:2022-01-14

    IPC分类号: G01R31/08

    摘要: 本发明公开了一种基于行波数据深度学习的输电线路故障选线与定位方法,利用深度学习模型不断迭代,从而自适应调整参数并学习行波数据的特征,计算输电线路组中各条线路之间的差异,选出故障线路;基于选取的故障线路,利用滑动窗口将双端故障行波数据分组,采用孪生神经网络构建双端行波数据相似度匹配模型,根据计算出的最大相似度来获取双端行波数据匹配窗口,从而根据窗口时间比例计算输电线路故障点所在位置。本发明使得行波数据的时序性得到了保障,可更好的使用特征选出故障线路。孪生神经网络根据匹配窗口计算双端行波传递时间比例从而确定故障发生的位置,具有较高的准确性。

    基于异构模型融合的线路故障诊断方法及装置

    公开(公告)号:CN114358085B

    公开(公告)日:2024-08-13

    申请号:CN202210020481.7

    申请日:2022-01-10

    申请人: 湖南大学

    摘要: 本发明公开了一种基于异构模型融合的线路故障诊断方法及装置,其中,该方法包括:获取测试样本的线路故障行波信号,并对所述故障行波信号进行解析;分别提取所述线路故障行波信号的时域特征、频域特征、时频特征及语义特征;分别基于所述线路故障行波信号的时域特征、频域特征、时频特征及语义特征构建单一的故障预诊断模型,并利用故障预诊断模型对测试样本的线路故障的类别进行初步诊断;基于D‑S证据理论融合故障预诊断模型的各初步诊断结果,构建故障诊断融合模型,以对所述线路故障类型进行最终诊断。本发明的技术方案能够在小样本量下提高线路故障分类的准确率,有利于确定线路故障类别。

    一种基于谱聚类和C4.5算法的机会路由实现方法

    公开(公告)号:CN111787592A

    公开(公告)日:2020-10-16

    申请号:CN202010607907.X

    申请日:2020-06-30

    申请人: 湖南大学

    摘要: 本发明涉及一种基于谱聚类和C4.5算法的机会路由实现方法。其发明内容主要包括:(1)亲密度权重计算方法;(2)基于谱聚类的子社区划分方法;(3)基于C4.5算法的“信使节点”识别模型;(4)基于亲密社区和决策树算法的机会路由实现方法。通过谱聚类将节点社区化,当源节点与目的节点同社区时,基于简单的泛洪传递消息,提高消息传递效率。当源节点与目的节点不同社区时,通过决策树模型确定“信使节点”,利用“信使节点”充当媒介,将消息传递至目的社区,实现跨社区传递消息。

    一种基于二维操作码矩阵和密度聚类的恶意软件检测技术

    公开(公告)号:CN110059483A

    公开(公告)日:2019-07-26

    申请号:CN201810044750.7

    申请日:2018-01-17

    申请人: 湖南大学

    IPC分类号: G06F21/56 G06K9/62

    摘要: 本发明通过对软件进行反编译得到操作码序列,根据全局操作码序列构建二维操作码矩阵,并提出一种基于二维操作码序列和密度聚类新的恶意软件检测技术,相比于以往的研究方法,利用全局二维操作码矩阵提高了时间的准确性,并且利用密度聚类,降低了训练时间和检测时间。本发明重点分析了软件的二位操作码序列的特征,并提出一种新的基于全局二维操作码矩阵和密度聚类的恶意软件检测方法,通过构建全局二维操作码序列,利用密度聚类形成恶意软件的簇模式,每次新样本检测与簇模式进行比较,从而在保证准确率的同时降低训练和检测时间。实验证明本发明提出的恶意软件检测技术在准确率和效率方面均达到商用指标,在保证准确率的同时降低了训练时间和检测时间,具有很强的竞争力和广阔的市场前景。