一种基于堆叠式自动编码器和KNN高斯优化算法的异常流量入侵检测方法，属于深度学习和计算机网络的交叉领域。本发明首先用堆叠式自动编码器进行特征提取，然后用KNN高斯优化算法对样本进行分类，得到最终的样本检测结果。经过多次实验验证，KNN高斯优化算法比传统KNN算法时间复杂度更低，精确率有所提高。本方法能够改善异常检测技术的运行速率及可扩展性，更适用于解决当前新攻击类型层出不穷的异常检测问题。
📄 2022105486504
📂 G06F18_2433
👤 辽宁大学
📅 2022-05-20
本发明涉及人工智能领域，本发明公开了一种基于头盔自动检测的烘干控制系统，包括：头盔检测烘干模块、头盔参数采集模块、烘干时效计算模块、烘干功率分析模块、烘干水分分析模块、综合模型建立模块、烘干效果判断模块、异常检测保护模块，以及控制系统调整模块，将头盔检测烘干模块和烘干时效计算模块检测不通过的头盔信息传输至异常检测保护模块，对异常头盔进行自动锁定，通过分析头盔烘干效果指数，判断头盔烘干效果，对判断结果为不合格的头盔进行参数调整，并再次启动烘干操作，系统一旦发现故障或异常情况，能够立即发出报警，通过自动检测头盔的状态和参数，能够迅速判断头盔是否合格，提高了头盔烘干过程的效率。
📄 2024107360637
📂 G06F18_2433
👤 荣华科技(南通)有限公司
📅 2024-06-07
本发明公开一种基于在线近邻嵌入指标的合成氨过程运行状态异常检测方法，旨在通过分析合成氨过程采样数据的近邻关系分布特征，实时通过不同的近邻特征提取机制来计算在线近邻检测指标，从而解决合成氨过程运行状态异常检测的难题。首先，本发明方法涉及采用了一种全新的在线近邻关系特征分析方法技术，通过实时更新获取的特征向量来计算在线采样数据近邻嵌入异常检测指标，保证了近邻关系特征提取的自适应特性，而不是像传统方法那样使用固定的特征提取机制来分析提取在线数据中潜藏的特征成分。其次，本发明方法使用的是考虑了近邻关系的局部异常检测指标，能充分考虑合成氨过程采样数据的局部分布变化特征。
📄 2022106513034
📂 G06F18_2433
👤 宁波大学科学技术学院
📅 2022-04-30
本发明公开了一种基于即时ARRG模型的预脱碳装置运行异常检测方法，旨在利用预脱碳装置的在线采样数据实时建立自适应的AR模型生成误差，然后实时利用生成的误差来完成运行异常检测任务。具体来讲，本发明方法通过为各个采样时刻的块矩阵实时的建立即时ARRG模型，再利用相应的转换向量和AR系数向量计算出误差，从而通过误差的上下波动变化来实施预脱碳装置的运行异常检测。不同于传统方法依赖于固定的时序关系描述模型，本发明方法实时监控的误差是通过自适应的即时ARRG模型生成的，对各个采样时刻的样本数据具备针对性，能适应不同样本数据的不同变化特征，并总能自适应的生成合适的误差用于异常检测。
📄 2022106506399
📂 G06F18_2433
👤 宁波大学科学技术学院
📅 2022-04-30
本发明公开了一种基于即时近邻重构误差的一段炉运行异常检测方法，旨在即时的为一段炉在线采样数据自适应的分析提取出潜藏在局部近邻关系中的异常变化特征，从而针对性的完成一段炉运行异常检测任务。具体来讲，本发明方法通过设计一种即时近邻重构误差生成技术，针对性的为各个在线采样数据即时的分析出其在近邻重构关系中的误差。在此基础上，利用近邻重构误差的变化情况来实现对一段炉运行异常的检测。本发明方法的技术优势在于：能够从最大化新样本数据的近邻重构误差和最小化正常样本数据的近邻重构误差的角度生成出最有利于实施异常检测的误差。因此，本发明方法是能够自适应的为最新采样时刻的样本数据生成相应的误差及其误差异常指标。
📄 2022106501709
📂 G06F18_2433
👤 宁波大学科学技术学院
📅 2022-04-30
本发明公开了一种基于四维注意力卷积循环神经网络的疲劳分类方法，包括以下步骤：S1、采集脑电信号并输入四维特征提取模块，提取脑电信号的四维特征；S2、将提取到的四维特征输入注意力模块，到拥有空间‑通道注意力的特征；S3、将拥有空间‑通道注意力的特征输入卷积循环神经网络模块，进行疲劳分类。本发明解决了基于脑电信号的神经网络可解释性差的问题，它不仅提高了分类的准确率，并且通过它可以从空间和频带的角度进行可视化，提高网络的可解释性。使用深度可分离卷积层，相比于普通卷积层，模型大小降低了70％左右，准确率却提高1.44％，并且提出一种双分支深度可分离卷积，对空间信息的处理上融合了两种尺度感受野，进一步将准确率提高0.45％。
📄 202210359058X
📂 G06F18_2433
👤 成都信息工程大学
📅 2022-04-07
本发明公开了基于数字化信息的水务平台智能监管系统及方法，涉及数据监管技术领域，所述监管方法包括以下步骤：定期对各个监测区域的水质数据进行采集，得到各个监测区域的监测记录；对任意监测记录呈现的水质数据展开多维度评估，得到水质评估值；对任意监测区域的不同监测记录进行水质数据的差异比对，提取若干个特征事件，分析得到任意一个特征事件的关联值；基于各个监测区域的污染情况，对产生污染的污染源头进行识别；分析污染源头对各个监测区域的污染情况，对任意监测区域的水质情况进行预测；实时得到各个监测区域的预测评估值；对各个监测区域进行水质数据的实时采集，对各个监测区域进行异常识别。
📄 2025104838158
📂 G06F18_2433
👤 南京荣智鼎科技有限公司
📅 2025-04-17
基于生成式对抗网络的电力数据异常检测方法，包括：将原始数据信号分成小序列信号后经过映射得到对应的潜在向量；将潜在向量逐个映射，得到一组伪时间序列数据；分别计算每一个伪时间序列数据的子序列的为真概率及计算每一个小序列信号的为真概率；将伪时间序列数据的子序列的为真概率与每一个小序列信号的为真概率比对，计算每一组子序列的判别损失，求和得到总判别损失；将每一个伪时间序列数据的子序列与每一个小序列信号比对，得到每一组子序列的剩余损失，求和得到总剩余损失；根据每一组子序列的剩余损失和判别损失，计算剩余分数和判别分数，对剩余分数和判别分数加权处理，得到一异常分数；将异常分数与一预设阈值比较，得到鉴别结果。
📄 2023110245324
📂 G06F18_2433
👤 华南师范大学
📅 2023-08-14
本发明提供了一种基于人工智能算法的电驱动故障诊断装置，包括：数据获取端，用于获取电驱动运行过程中的实时运行数据；数据分析端，用于基于所述实时运行数据确定出对应的第一故障范围；模型构建端，用于基于所述电驱动对应的机械参数和历史运行数据以及对应的历史故障原因，构建出对应的故障诊断模型；故障诊断端，用于基于所述实时运行数据和所述第一故障范围以及所述故障分析模型，获得对应的最终故障诊断结果；用以结合人工智能算法，基于对电驱动大量的实时运行数据进行数据分析以及基于故障诊断模型快速准确地诊断出电驱动中发生的故障。
📄 202310774691X
📂 G06F18_2433
👤 深圳市前海极智创新科技有限公司
📅 2023-06-28
本申请涉及实训室管理领域，其具体地公开了一种基于人工智能的实训室管理平台及方法，其首先获取由摄像头采集的实训室监控图像、由数据库采集的课程信息和由安装在实训室内的RFID读写器采集的学生身份信息，然后利用深度学习技术，对三者进行特征提取和关联分析，最后通过分类器，以判断是否发出可疑人员预警警报，以帮助管理人员更好地了解实训室的运行情况，从而加强实训室的安全防范能力，提高实训室的整体安全水平。
📄 2024107837222
📂 G06F18_2433
👤 广州袋鼠技术服务有限公司
📅 2024-06-18
本发明涉及设备故障预测与诊断技术领域，公开了一种基于动态特征融合的设备故障预测与诊断方法及系统，包括采集多模态监测信号、预处理生成标准化时序数据流、通过局部细节感知网络和全局趋势捕捉网络提取特征向量、利用自适应特征融合模块生成综合特征向量，并通过分类决策网络输出运行状态类别及置信度评分。本发明能够有效融合多模态时序特征，动态调整特征权重，精准识别设备运行状态，提升故障预测与诊断的准确性和可靠性。
📄 2025113403244
📂 G06F18_2433
👤 龙岩学院
📅 2025-09-19
本发明公开了基于神经网络模型的电气设备能效评估方法及系统，属于能效数据管理领域，包括以下步骤：获取模型训练数据，从模型训练数据中提取同类型若干累计型计量数据的记录时间点，按照时间先后顺序对若干累计型计量数据进行排序管理，得到按时间先后排列的累计型计量序列，对累计型计量序列执行计量轨迹断裂检测，检测完成后提取各断裂区间及异常类型，以各断裂区间为边界分段，对累计型计量序列进行分段并修正累计轨迹，对各断裂区间生成候选补充序列，对候选补充序列执行数据一致性校验，从而解决了现有技术中模型对异常点过拟合并削弱对正常工况的刻画能力，最终提高了能效评估结果在稳定性、准确性与工程可用性。
📄 2026100728331
📂 G06F18_2433
👤 龙岩学院
📅 2026-01-20
柿子坊 · 知识产权运营
柿子坊知识产权运营平台