-
公开(公告)号：CN112732934B
公开(公告)日：2022-05-27
申请号：CN202110029159.6
申请日：2021-01-11
Applicant: 国网山东省电力公司电力科学研究院 , 北京邮电大学 , 国家电网有限公司
IPC: G06F16/36 , G06F16/35 , G06F16/33 , G06F40/211 , G06F40/242 , G06F40/247 , G06F40/295 , G06N3/04 , G06N3/08
Abstract: 一种电网设备分词词典和故障案例库构建方法，构建了电网领域分词词典，然后对故障案例数据进行格式转换、分词等预处理，然后运用多种技术手段，从文本数据中分析生成结构化电网设备故障案例、特征标签、关键词云、关联规则等信息。为上述信息设计关系型数据库Schema，以报告为主键，将上述文本信息和预处理中保留的图片、作者等信息一起入库，形成电网设备故障案例库。提升了电网领域文本的分词准确性，结构化的案例数据库使根据案例内容的检索更为准确，将故障案例数据库中的特征标签作为项集，整理挖掘故障的有效关联规则，可用于故障预警，填补了电网领域文本分析技术应用的空白。提升了电网领域语料的应用价值，降低了查阅成本。
-
公开(公告)号：CN112732934A
公开(公告)日：2021-04-30
申请号：CN202110029159.6
申请日：2021-01-11
Applicant: 国网山东省电力公司电力科学研究院 , 北京邮电大学 , 国家电网有限公司
IPC: G06F16/36 , G06F16/35 , G06F16/33 , G06F40/211 , G06F40/242 , G06F40/247 , G06F40/295 , G06N3/04 , G06N3/08
Abstract: 一种电网设备分词词典和故障案例库构建方法，构建了电网领域分词词典，然后对故障案例数据进行格式转换、分词等预处理，然后运用多种技术手段，从文本数据中分析生成结构化电网设备故障案例、特征标签、关键词云、关联规则等信息。为上述信息设计关系型数据库Schema，以报告为主键，将上述文本信息和预处理中保留的图片、作者等信息一起入库，形成电网设备故障案例库。提升了电网领域文本的分词准确性，结构化的案例数据库使根据案例内容的检索更为准确，将故障案例数据库中的特征标签作为项集，整理挖掘故障的有效关联规则，可用于故障预警，填补了电网领域文本分析技术应用的空白。提升了电网领域语料的应用价值，降低了查阅成本。
-
公开(公告)号：CN107992597B
公开(公告)日：2020-08-18
申请号：CN201711325919.8
申请日：2017-12-13
Applicant: 国网山东省电力公司电力科学研究院 , 北京邮电大学 , 国家电网公司
IPC: G06F16/25 , G06F16/36 , G06F40/295 , G06Q10/00 , G06Q50/06
Abstract: 本发明公开了一种面向电网故障案例的文本结构化方法；对非结构化文本进行命名实体识别，并构建面向电网领域的实体字典来辅助实体识别和文本分词；提取属性值以及描述各属性的状态量，状态量按照类型分为数字型状态量和非数字型状态量，基于规则的方法来提取并对数字型状态量修饰属性进行匹配；将非数字型状态量进行细化，划分为基于词组形式的状态量和基于句子形式的状态量，分别提取其修饰的属性；根据识别出的属性以及对应的状态量，最终生成若干由属性和对应状态量形成的二元组，完成文本结构化。
-
公开(公告)号：CN108021679A
公开(公告)日：2018-05-11
申请号：CN201711288010.X
申请日：2017-12-07
Applicant: 国网山东省电力公司电力科学研究院 , 北京邮电大学 , 国家电网公司
Abstract: 本发明公开了一种并行化的电力设备缺陷文本分类方法，将领域词库加入到用户词典中，对缺陷案例进行预处理，进行分词和去停用词；利用爬虫算法，收集电网故障案例的文本语料，利用Spark的word2vec进行训练，获取该领域的词向量表示；将获取的缺陷案例和词向量进行向量化表示，将缺陷案例进行文本表示，形成矩阵；将矩阵输入到SVM多分类器中，进行训练与分类，得到分类结果。
-
公开(公告)号：CN107992597A
公开(公告)日：2018-05-04
申请号：CN201711325919.8
申请日：2017-12-13
Applicant: 国网山东省电力公司电力科学研究院 , 北京邮电大学 , 国家电网公司
Abstract: 本发明公开了一种面向电网故障案例的文本结构化方法；对非结构化文本进行命名实体识别，并构建面向电网领域的实体字典来辅助实体识别和文本分词；提取属性值以及描述各属性的状态量，状态量按照类型分为数字型状态量和非数字型状态量，基于规则的方法来提取并对数字型状态量修饰属性进行匹配；将非数字型状态量进行细化，划分为基于词组形式的状态量和基于句子形式的状态量，分别提取其修饰的属性；根据识别出的属性以及对应的状态量，最终生成若干由属性和对应状态量形成的二元组，完成文本结构化。
-
Patent Agency Ranking
公开(公告)号：CN113052147A
公开(公告)日：2021-06-29
申请号：CN202110485245.8
申请日：2021-04-30
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种行为识别方法及装置。方案如下：获取视频数据；基于视频帧间的帧差，获取视频数据中的异常视频帧；针对每一异常视频帧，对该异常视频帧进行遮挡检测，得到该异常视频帧的遮挡检测结果；根据遮挡检测结果，利用预先训练好的行为识别模型，识别不存在遮挡现象的异常视频帧中出现的目标物的行为类别；行为识别模型是利用预设训练集对嵌入注意力机制和多尺度特征融合的神经网络模型进行训练得到的，预设训练集包括多种样本行为类别所对应的样本视频帧序列，以及每一样本视频帧序列所对应的样本行为类别。通过本发明实施例提供的技术方案，节约了视频数据中正常行为的视频帧识别所需的计算资源，提高了行为识别的准确性。
-
公开(公告)号：CN112905320A
公开(公告)日：2021-06-04
申请号：CN202110159615.9
申请日：2021-02-05
Applicant: 北京邮电大学
IPC: G06F9/48
Abstract: 本发明实施例提供了一种物联网任务的执行系统、方法及装置，边缘设备，用于向边缘计算节点发送待处理任务；边缘计算节点，用于接收待处理任务；基于获取到的执行待处理任务的资源需求参数、以及边缘计算节点的属性特征，计算边缘计算节点执行待处理任务的处理时长；若处理时长满足预设时长条件，则执行待处理任务；若否，则向云中心发送待处理任务；云中心，用于执行边缘计算节点发送的任务。可见，本方案中，在获取到任务后，并不直接上传至云中心，而是先计算获取到任务的边缘计算节点执行任务的处理时长，如果处理时长满足预设阈值条件，就由边缘计算节点执行任务，而不将任务上传至云中心，节省了任务的传输时间，从而减少了任务的处理时长。
-
公开(公告)号：CN108596664B
公开(公告)日：2021-01-05
申请号：CN201810371303.2
申请日：2018-04-24
Applicant: 盘缠科技股份有限公司 , 北京邮电大学
Abstract: 本发明公开了一种电子车票的单边交易费用确定方法、系统及装置，本发明实施例设置单边交易费用确定模型，该模型的设置过程为：采集电子车票的数据交易记录，进行清洗整合后得到电子车票的完整数据交易记录，基于从得到的电子车票的完整数据交易记录提取得到的用户特征及站点特征，采用设置的学习模型进行模型训练测试，得到所述模型。在电子车票产生单边交易记录时，采用所设置的模型对单边交易记录进行缺失站点记录的确定及费用的确定。这样，本发明实施例实现了对电子车票的单边交易费用的准确确定。
-
公开(公告)号：CN106845728B
公开(公告)日：2020-11-06
申请号：CN201710078196.X
申请日：2017-02-14
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种电力变压器缺陷的预测方法及装置，该方法包括：获得第一时间段内目标电力变压器的多维数据，并对所述多维数据进行分类降维；预处理分类降维后所获得的多维数据；在已存储的数据库中，查找与所述第一时间段内，预处理后的目标电力变压器运行时的环境气象数据匹配度最高的环境气象数据所对应的第二时间段，并获得所述第二时间段内所有电力变压器缺陷总数量；将所述第二时间段内所有电力变压器缺陷总数量，及预处理所获得的目标电力变压器设备参数数据，输入至电力变压器缺陷预测模型，得到目标电力变压器缺陷的概率值；根据所述概率值，确定出所述目标电力变压器缺陷的预测结果。本方案提高了预测电力变压器缺陷的准确性。
-
公开(公告)号：CN110929847A
公开(公告)日：2020-03-27
申请号：CN201911120136.5
申请日：2019-11-15
Applicant: 国网浙江省电力有限公司电力科学研究院 , 北京邮电大学
Abstract: 本发明公开了一种基于深度卷积神经网络的换流变压器故障诊断方法。本发明将深度卷积神经网络模型应用于电网设备故障检测中，既改善了基于统计学和概率论的机器学习算法中参数多、调参过程繁琐、模型性能十分依赖数据预处理和特征工程的不足，也在浅层人工神经网络基础上将数据扩展至更高维度，使模型对复杂函数的拟合能力进一步提高，同时，将残差网络和批量归一化算法应用于深度卷积神经网络，使模型收敛速度和泛化能力得到提高，模型对电网设备故障诊断的准确率相比浅层神经网络有很大提升。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.055 seconds)
