-
公开(公告)号：CN117648650A
公开(公告)日：2024-03-05
申请号：CN202311351278.9
申请日：2023-10-18
Applicant: 西南交通大学 , 宜宾西南交通大学研究院
IPC: G06F18/2433 , G06F18/243 , G06F18/2411 , G06F18/214 , G06N3/0455 , G06N3/0499 , G06N3/084
Abstract: 本发明提供了一种监测数据异常检测方法、系统、设备及可读存储介质，涉及数据处理技术，包括获取第一信息；用第一信息训练预设的自编码器，得到第一异常检测模型；对第一信息进行预处理后训练变分自编码器，得到第二异常检测模型；将第一异常检测模型和第二异常检测模型进行联合运算后对第一信息进行异常检测，得到第一检测结果；对第一信息采用孤立森立进行异常检测，得到第二检测结果，将第一检测结果和第二检测结果进行或运算后的数据进行时域分析和频域分析，得到第一信息中异常数据的类型。本发明通过摒弃人为设置自编码器的阈值的方式，基于历史正常数据集的重构误差重新设计了自编码器的阈值，可以更好地保证第一异常检测模型的准确性。
-
公开(公告)号：CN117609905A
公开(公告)日：2024-02-27
申请号：CN202311351283.X
申请日：2023-10-18
Applicant: 西南交通大学 , 宜宾西南交通大学研究院
IPC: G06F18/2433 , G06F16/215 , G06F18/214 , G06N3/049 , G06N3/08 , G06F18/23
Abstract: 本发明提供了一种监测数据预测方法、系统、设备以及可读存储介质，涉及数据监测技术领域，包括获取预设时间段内的若干组监测数据序列；由全部监测数据序列对应的重组数据构成数据集，将所述数据集随机划分为训练集和测试集；建立多种时间序列预测模型，利用所述训练集和测试集分别对多种时间序列预测模型进行训练和测试，根据每个时间序列预测模型的预测结果计算得到预测误差；根据每个时间序列预测模型的预测误差，采用熵权法计算每个时间序列预测模型的权重，计算得到最终预测结果，本发明用于解决现有技术中的预测模型大部分均采用单一模型进行预测，采集的数据会带有一定的随机性和复杂性，存在模态混叠的技术问题。
-
公开(公告)号：CN118984261B
公开(公告)日：2025-01-24
申请号：CN202411473268.7
申请日：2024-10-22
Applicant: 西南交通大学
Abstract: 本发明提供了一种实时通信信号频谱的切分检测方法及系统，涉及信道属性判断技术领域，包括获取待识别的宽带信号，所述待识别的宽带信号包括所有信道的实时通信信号；将所述待识别的宽带信号进行信号判断，得到待识别的宽带信号内每个信道是否具备通信信号的判断结果；将具备通信信号的信道进行属性判断，并基于判断得到的每个信道的属性进行信道拼接，再判断拼接完成的信道是否拼接成功，得到第二判断结果；基于第二判断结果进行信道属性提取，得到每个拼接完成的信道的属性类型。本发明提出的信道属性判别方案，在对信号分段、判别时相比传统方法具有更高的准确性和适用性，能够更有效地将独立信号从时域混叠信号中提取出来。
-
公开(公告)号：CN115412563B
公开(公告)日：2024-03-22
申请号：CN202211008149.5
申请日：2022-08-22
Applicant: 西南交通大学
IPC: H04L67/1023
Abstract: 本发明提供了一种边缘设备资源分配方法、装置、设备及可读存储介质，涉及边缘设备传输能力优化技术领域，包括获取边缘设备数量集合，并确定障碍参数初始值和卸载率初始值；构建时延模型；遍历所述边缘设备数量集合，按照从小到大的顺序依次获取边缘设备数；利用所述障碍参数初始值和卸载率初始值求解所述时延模型，计算所有边缘设备数所对应的时延值和卸载率；比较所有时延值，获得最小时延值，并根据所述最小时延值查找得到对应的边缘设备数和卸载率。用于寻找满足处理效率和传输负荷条件下的边缘设备数和卸载率最优组合。
-
公开(公告)号：CN116578498B
公开(公告)日：2023-09-29
申请号：CN202310848740.X
申请日：2023-07-12
Applicant: 西南交通大学
IPC: G06F11/36
Abstract: 本发明提供了一种单元测试用例自动生成方法及系统，涉及软件测试技术领域，包括获取源文件，对源文件进行预处理后生成中间文件；创建初始用例写入文件，基于MC/DC覆盖的映射转换对中间文件和初始用例写入文件进行插桩，以生成用例生成文件和用例写入文件；利用所述用例生成文件和预设的符号执行工具生成多个测试用例；分别对所述用例生成文件和用例写入文件进行编译分别生成执行用例生成文件和执行用例写入文件；由执行用例生成文件运行每个测试用例，基于输出重定向的测试用例返回方法生成测试用例文件，本发明用于解决现有技术中生成的测试用例无法满足MC/DC覆盖和不具有数值可读性的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN116578498A
公开(公告)日：2023-08-11
申请号：CN202310848740.X
申请日：2023-07-12
Applicant: 西南交通大学
IPC: G06F11/36
Abstract: 本发明提供了一种单元测试用例自动生成方法及系统，涉及软件测试技术领域，包括获取源文件，对源文件进行预处理后生成中间文件；创建初始用例写入文件，基于MC/DC覆盖的映射转换对中间文件和初始用例写入文件进行插桩，以生成用例生成文件和用例写入文件；利用所述用例生成文件和预设的符号执行工具生成多个测试用例；分别对所述用例生成文件和用例写入文件进行编译分别生成执行用例生成文件和执行用例写入文件；由执行用例生成文件运行每个测试用例，基于输出重定向的测试用例返回方法生成测试用例文件，本发明用于解决现有技术中生成的测试用例无法满足MC/DC覆盖和不具有数值可读性的技术问题。
-
公开(公告)号：CN114741976B
公开(公告)日：2022-09-23
申请号：CN202210659311.3
申请日：2022-06-13
Applicant: 西南交通大学
IPC: G06F30/27 , G06F17/18 , G06N20/00 , G06F111/04 , G06F111/06
Abstract: 本发明提供了一种位移预测方法、装置、设备及可读存储介质，所述方法包括：获取历史时间段内桥梁上任意一结构的位移数据；分别采用不同的时序分解模型对位移数据进行分解，得到多个分解结果；针对每一个分解结果中的每一个位移分量，利用有监督的模型进行学习，得到每一个位移分量对应的第一位移预测模型；将所有位移分量对应的第一位移预测模型进行合并，得到每一个分解结果对应的第二位移预测模型；基于遗传算法得到第三位移预测模型，利用第三位移预测模型进行预测。本发明将多种时序分解模型和多种经典预测模型相结合，同时采用遗传算法进行优化找到效果最佳的预测模型，提高了桥梁监测中位移数据的预测准确性。
-
公开(公告)号：CN114726380B
公开(公告)日：2022-09-02
申请号：CN202210636103.1
申请日：2022-06-07
Applicant: 西南交通大学
Abstract: 本发明提供了一种监测数据无损压缩方法、装置、设备及可读存储介质，涉及数据计算技术领域，包括获取待压缩数据表；根据预设的时间差分数学模型将所有时间数据进行计算得到时间戳压缩结果；根据预设的数据进制转换数学模型将所有监测值进行计算得到待压缩数值；根据预设的哈夫曼编码数学模型将待压缩数值进行计算得到监测值压缩结果。本发明的有益效果为通过针对监测值的浮点数特性，采用包含差分思想的算法编码进行编码转换、进制转换编码和哈夫曼编码三种编码思想相结合，最终构建监测值无损压缩算法模型，完成对监测值的压缩编码，达到提高数据压缩率、降低数据库存储压力的效果。
-
公开(公告)号：CN114221740A
公开(公告)日：2022-03-22
申请号：CN202111532504.4
申请日：2021-12-15
Applicant: 西南交通大学
IPC: H04L1/00
Abstract: 本发明提供了基于BATS码的传输方法、装置、设备及可读存储介质，所述方法包括：获取待传输的数据包和传输参数；根据所述传输参数计算得到所述理论传输次数最小时所对应的度值；根据所述理论传输次数最小时所对应的度值，得到至少一个数据包集合；按分块顺序对每个所述数据包集合依次进行BATS码的外码和内码编码操作，编码后得到不同的批次，并将所述批次依次传输至接收端。本发明通过对数据包采用分块传输，避免随机选择数据包进行外码编码时，数据包重复被选择的情况，同时求解推导出在给定条件下的传输次数，从而可在分块传输前，确定最佳的度值，减少传输成功所需的传输次数，并且节约了宿节点的储存开销和译码复杂度。
-
公开(公告)号：CN113570004A
公开(公告)日：2021-10-29
申请号：CN202111117958.5
申请日：2021-09-24
Applicant: 西南交通大学 , 成都交大大数据科技有限公司
Abstract: 本发明涉及数据处理技术领域，具体而言，涉及一种乘车热点区域预测方法、装置、设备及可读存储介质，将需要聚类时间段的车辆载客信息进行处理，然后使用OPTICS聚类算法进行聚类，得到车辆载客信息中的聚类簇的个数和每个所述聚类簇中的对象个数信息；将所述每个所述聚类簇的对象个数与第一阈值进行对比，若所述聚类簇中的对象个数大于所述第一阈值，则将对象个数大于所述第一阈值的聚类簇输入第二模型，得到最佳K值，所述K值为所述聚类簇中心的数量；将所述最佳K值使用K‑means算法对所述第二信息进行聚类，得到为乘车的热点区域。本发明通过对车辆车载信息进行处理，然后进行二次聚类，以此来预测在给定时间段内给定区域的打车需求量。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.038 seconds)
