一种基于主动学习的社区综合能源系统运行安全评估方法

    公开(公告)号:CN115510961A

    公开(公告)日:2022-12-23

    申请号:CN202211134797.5

    申请日:2022-09-19

    Abstract: 本发明涉及一种基于主动学习的社区综合能源系统运行安全评估方法,包括利用历史数据构造数据集;使用主动学习策略依次抽取定量样本添加到训练集,逐步增加训练集数量,期间随时更新模型;在有限次迭代后,得到训练完成的SVM分类模型,实现对社区综合能源系统实时数据进行运行安全评估判断。本发明的有益效果是:本发明在构造训练数据集时,仅选取SVM决策边界附近的样本点进行标记,避免了对大量无用样本点的标记工作,实现了以最少的样本量完成社区综合能源系统运行安全评估模型的训练任务,减轻时域仿真模块的工作量,大幅提升离线模块训练、更新的整体运行速度,使系统更具有实时性、有效性和安全性。

    基于社区发现和关联规则分析的供应商紧密关系识别方法

    公开(公告)号:CN113918558A

    公开(公告)日:2022-01-11

    申请号:CN202111414294.9

    申请日:2021-11-25

    Abstract: 本发明涉及一种基于社区发现和关联规则分析的供应商紧密关系识别方法,包括步骤:根据实际业务需要,剔除无效数据并提取出关键数据;基于关键数据,遍历关键数据的全部寻源单条目,形成涵盖全部供应商关系的网络,并生成无向图;以各个无向图的节点作为独立的社区,计算模块度。本发明的有益效果是:通过数据挖掘的方式,建立了可靠的供应商紧密关系识别审计方法,对企业的采招历史数据进行分析,识别其团组社区并获得其内部关系结构,发现供应商间紧密关系。筛选结果精准度较高,覆盖范围较广,极大地缩短了排查时间,审计人员可以将精力主要集中在筛选出的疑似围标团伙名单,能够大幅提升审计的覆盖面,提高围标团伙发现率,降低审计风险。

Patent Agency Ranking