-
公开(公告)号：CN110119755A
公开(公告)日：2019-08-13
申请号：CN201910223762.0
申请日：2019-03-22
申请人： 国网浙江省电力有限公司信息通信分公司 , 杭州电子科技大学
摘要： 本申请提出了基于Ensemble学习模型的电量异常检测方法，包括对获取到的部分用电数据进行数据整合和用户分类；基于异常审核规则对处理后的用电数据进行特征提取；构建Ensemble学习模型，将特征提取后的数据划分为n组训练集和1个测试集，将训练集导入以ELM为基模型的Ensemble学习模型中进行训练，得到n组分类检测模型；将测试集投入训练好的模型中进行测试，得到n种输出结果；对检测结果进行多数投票决策是否存在电量异常。通过结合用户类别和电量异常审核规则来进行特征抽取，可以把源数据具有强烈的时间序列特点变成具有无序列特点，使得在后面的电量异常检测分类算法的选择上更加具有普适性。同时用多数投票法对多模型预测结果进行投票，提高了异常数据检测率。
-
公开(公告)号：CN110288114A
公开(公告)日：2019-09-27
申请号：CN201910222802.X
申请日：2019-03-22
申请人： 国网浙江省电力有限公司信息通信分公司 , 杭州电子科技大学
摘要： 本申请提出了基于电力营销数据的违规用电行为预测方法，包括从电力营销数据库中获取用户用电数据，对用户用电数据进行处理，得到用户用电相关系数矩阵，对获取到的系数矩阵进行整理得到用户用电数据表；构建卷积神经网络模型；将用户用电数据表划分为训练数据集和测试参数集，基于训练数据集对卷积神经网络模型进行训练，将测试参数集导入训练后的卷积神经网络模型中进行违规用电行为预测。从电力用户最近若干个月的用电数据中提取关键信息对该用户是否正在违规用电进行预测，通过根据以往电量使用的规律来判断该用户是否违规，能够提升判定的准确性。
-
公开(公告)号：CN110110887A
公开(公告)日：2019-08-09
申请号：CN201910223787.0
申请日：2019-03-22
申请人： 国网浙江省电力有限公司信息通信分公司 , 杭州电子科技大学
摘要： 本申请提出了对低压台区线损率的预测方法，包括获取低压台区线损数据，将获得的数据进行数据清洗，剔除其中异常线损数据；将清洗过的数据按特征进行K-Means聚类，计算各个K值对应的轮廓系数，并选择轮廓系数最接近1的聚类数为最优聚类数；归一化或标准化聚类后的特征数据，基于处理后的数据确定训练集和测试集；构建卷积神经网络模型，利用得到数据矩阵对模型进行训练，使用训练好的模型对数据进行预测。通过基于K-Means聚类和深度学习理论的卷积神经网络建立低压台区线损率的预测模型，既考虑了合计供电量、台区容量、总用户等特征数据与当前线损率之间的关系，又使用了上月线损率、同期线损率、同期累计线损率等历史线损数据来提高预测的准确性。
-
公开(公告)号：CN116863964A
公开(公告)日：2023-10-10
申请号：CN202310991831.9
申请日：2023-08-08
申请人： 杭州电子科技大学 , 杭州电子科技大学平湖数字技术创新研究院有限公司
摘要： 本发明公开了一种基于双线性池化融合动静态特征的语音情感识别方法。该方法首先对收集的语音数据提取24维静态特征，再基于静态特征计算得到动态特征。然后分别使用LSTM网络提取动、静态特征的时序特征表示，经过双线性融合后利用注意力机制融合为话语级特征，再经过功率归一化后输入全连接层，识别情感种类。本方法通过双线性池化融合语音数据的静态特征与动态特征，使二者可以互补学习，从而生成更丰富的特征表示，同时利用注意力机制取代传统双线性池化方法中的池化操作，识别结果更具优势。
-
公开(公告)号：CN117222003A
公开(公告)日：2023-12-12
申请号：CN202311237647.1
申请日：2023-09-25
申请人： 杭州电子科技大学 , 杭州电子科技大学平湖数字技术创新研究院有限公司
IPC分类号： H04W64/00 , H04W4/33 , H04W4/021 , H04W4/02 , G06N3/045 , G06N3/0442 , G06N3/08 , H04W4/80 , H04W84/12
摘要： 本发明属于室内定位领域，公开了一种应用于室内定位的Wi‑Fi和蓝牙信号融合方法，主要围绕Wi‑Fi和蓝牙信号的深度特征进行提取与融合。该方法针对收集到的信号中部分信号缺失的问题，使用卡尔曼滤波算法进行缺失值补偿；通过长短期记忆网络针对Wi‑Fi和蓝牙信号进行特征提取，捕捉信号的时间序列依赖性；引入了多头自注意力模型，捕捉信号特征之间的关系，为各信号特征分配权重，并与原始输入进行结合，获得加权后的特征表示；采用了级联策略来高效融合加权的Wi‑Fi和蓝牙信号特征。本发明为Wi‑Fi和蓝牙信号提供了一种新的融合策略，目的是更有效地捕获其关键信息，从而在经济高效的定位方案中实现误差的减小。
-
公开(公告)号：CN115841418A
公开(公告)日：2023-03-24
申请号：CN202211411195.X
申请日：2022-11-11
申请人： 杭州电子科技大学
IPC分类号： G06T3/00 , G06T11/00 , G06N3/045 , G06N3/0475 , G06N3/094
摘要： 本申请公开了一种基于约束生成对抗网络的个性化皮影面部生成方法，建立用于从真实人脸面部图像向皮影面部图像转换的生成对抗网络，该生成对抗网络引入局部几何特征约束函数，通过局部几何特征约束函数计算损失生成所需的图像域，在生成对抗网络的训练过程中，通过约束典型面部特征的几何形变，获得满足需求的生成对抗网络模型；将真实人脸面部图像输入该生成对抗网络模型的生成器，生成部分特征与真实人脸面部保持一致的皮影面部图像。该方法弥补了现有转换方案在处理这项任务时由于纹理丢失和几何结构变换导致生成的皮影面部无法体现源图像中面部典型特征的缺点。同时，通过灵活的参数调节，使各主要面部组成部分的转换程度可控。
-
公开(公告)号：CN110839245B
公开(公告)日：2022-12-27
申请号：CN201911053290.5
申请日：2019-10-31
申请人： 杭州电子科技大学
摘要： 本发明公开了一种应用于室内定位的无线传感器网络节点部署，本发明将二维平面空间划分成二维平面网格，将节点有效覆盖率、节点数目N最小、部署在二维平面空间内的信标节点所组成的凸包面积最大作为优化目标，将在于信标节点相邻的8个网格点上禁止部署其它信标节点作为约束条件，采用NSGA2算法进行迭代优化，在达到迭代的终止条件时得到的最优解集中选取与实际情况相符合的解作为室内定位的无线传感器网络节点部署方案，最后得到的最优解集中，按照实际需求选择最优解，本发明解决了室内定位中，定位精度较差，参与定位的无线传感器网络信标节点在部署时节点数量代价过高的问题，在不增加额外信标节点的情况下，提高了室内定位精度。
-
公开(公告)号：CN115222959A
公开(公告)日：2022-10-21
申请号：CN202210826824.9
申请日：2022-07-14
申请人： 杭州电子科技大学
摘要： 本发明涉及一种轻量化卷积网络与Transformer相结合的人体关键点检测方法，采用深度可分离卷积与两个残差块相结合作为特征提取主干网络，采用轻量化卷积网络与Transformer相结合进行关键点检测。深度可分离卷积与传统CNN相比减少了大量冗余的参数，同时两个残差块又结合了标准卷积的优点，在压缩模型参数，加快运行效率的同时，使得本文的特征提取网络在图像特征提取方面达到不俗的效果，轻量化卷积网络对图像特征进行更好提取的同时减少了参数量，Transformer中自我注意力层能获得全局约束关系，并保留细粒度的局部特征信息，从而可以有效地捕获人体各部位之间的空间关系，通过更少的参数和更快的速度，达到了可以媲美基于CNN最先进的人体关键点检测技术的精度。
-
公开(公告)号：CN113823290A
公开(公告)日：2021-12-21
申请号：CN202111012091.7
申请日：2021-08-31
申请人： 杭州电子科技大学
摘要： 本发明公开了一种多特征融合的声纹识别方法，本发明不同于传统的特征融合方法，传统上会基于两种特征参数进行融合。而本方法提出将MFCC、LPC、PLP三种特征进行融合，并且选择带有主要信息的维度，尽管是三种特征参数，也没有导致维度过高的问题。本发明的融合特征参数具有多种类型语音特征参数各自的优势以及各自潜在的隐含信息，通过将不同的特征进行融合更能表现出说话人的个性特征，提高了声纹识别的准确率。
-
-
-
-
-
-
-
-
-
搜索结果
50 条记录 (耗时 0.058 秒)
