CN112364008A - 一种面向电力物联网智能终端的设备画像构建方法 - Google Patents
一种面向电力物联网智能终端的设备画像构建方法 Download PDFInfo
- Publication number
- CN112364008A CN112364008A CN202011312694.4A CN202011312694A CN112364008A CN 112364008 A CN112364008 A CN 112364008A CN 202011312694 A CN202011312694 A CN 202011312694A CN 112364008 A CN112364008 A CN 112364008A
- Authority
- CN
- China
- Prior art keywords
- equipment
- intelligent terminal
- things
- data
- data source
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010276 construction Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000004140 cleaning Methods 0.000 claims abstract description 8
- 238000013135 deep learning Methods 0.000 claims abstract description 7
- 238000012795 verification Methods 0.000 claims abstract description 5
- 238000013079 data visualisation Methods 0.000 claims abstract description 4
- 238000012549 training Methods 0.000 claims abstract description 4
- 230000006399 behavior Effects 0.000 claims description 6
- 230000003068 static effect Effects 0.000 claims description 6
- 238000011161 development Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000007418 data mining Methods 0.000 abstract description 3
- 238000010801 machine learning Methods 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/35—Utilities, e.g. electricity, gas or water
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/20—Information sensed or collected by the things relating to the thing itself
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Primary Health Care (AREA)
- Bioethics (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Tourism & Hospitality (AREA)
- Water Supply & Treatment (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种面向电力物联网智能终端的设备画像构建方法,包括以下步骤:步骤1,基于所述智能终端的设备参数,提取并分析设备类型特征,生成基础数据源;步骤2,清洗所述基础数据源,并为所述基础数据源定义标签和设置标签权重,以生成标签数据源;步骤3,利用深度学习算法对所述标签数据源进行模型训练和模型验证,以构建所述智能终端的设备模型;步骤4,自定义维度信息,基于所述设备模型并利用数据可视化方法对所述智能终端进行设备画像。基于本发明中的方法,能够将用户画像概念与电力物联网设备相结合,运用数据挖掘、机器学习等传统方法实现设备画像的构建。
Description
技术领域
本发明涉及一种设备信息处理方法,更具体地,涉及一种面向电力物联网智能终端的设备画像构建方法。
背景技术
当前,国家提出了加快5G、人工智能、工业互联网、物联网等新型基础设施建设的目标。
作为物联网技术应用的关键场景,智能电网正在加快推进传统电网和物联网相融合的新技术发展,并旨在打造“全面感知、要素互联、信息共享”的电力物联网。目前,电力物联网中存在着海量的智能终端,通用型的物联网平台已经解决了这些海量智能终端的设备接入、设备管理等基础问题。
然而,电力物联网的管理平台仍然无法有效地挖掘海量智能终端中采集并记录的实时数据。同时,为了进一步实现电力物联网平台的智能化,需要对海量智能终端进行行为分析和动态管理。为了上述分析管理,就需要基于电力物联网平台构建海量智能终端的设备画像。然而,在现有技术中,尚未具备能够准确、高效、清晰的进行海量设备画像的方法。
发明内容
为解决现有技术中存在的不足,本发明的目的在于,提供一种面向电力物联网智能终端的设备画像构建方法。该方法将用户画像技术与智能电力终端应用场景相结合,通过特征分析、标签提取、模型设计和设备画像生成多维度的可视化的设备群画像。
本发明采用如下的技术方案。一种面向电力物联网智能终端的设备画像构建方法,包括以下步骤:步骤1,基于智能终端的设备参数,提取并分析设备类型特征,生成基础数据源;步骤2,清洗基础数据源,并为基础数据源定义标签和设置标签权重,以生成标签数据源;步骤3,利用深度学习算法对标签数据源进行模型训练和模型验证,以构建智能终端的设备模型;步骤4,自定义维度信息,基于设备模型并利用数据可视化方法对智能终端进行设备画像。
优选地,步骤1还包括:设备参数包括设备静态数据、设备动态数据和设备空间数据;以及,设备静态数据还包括设备类型、设备型号、开发版本;设备动态数据还包括***资源占用率、运行时长;设备空间数据还包括设备物理位置、设备所属台区。
优选地,步骤1还包括:基于智能终端的设备参数,提取并分析设备类型特征,以及将提取分析出的设备类型特征存储至设备特征库中;以及,设备特征库中存储的设备类型特征即为基础数据源。
优选地,清洗基础数据源还包括:对基础数据源中的空缺数据、噪声数据、不一致数据、重复数据和错误数据进行清洗。
优选地,步骤2还包括:为基础数据源定义标签时,根据真实案例验证标签正确性。
优选地,步骤3还包括:深度学习算法是从SVM算法、神经网络算法、K-means算法中进行算法选型并生成的。
优选地,步骤4还包括:自定义维度信息包括自定义时间维度、自定义属性维度和自定义行为维度。
优选地,步骤4还包括:根据自定义时间维度、自定义属性维度和自定义行为维度对智能终端进行设备画像。
本发明的有益效果在于,与现有技术相比,本发明中一种面向电力物联网智能终端的设备画像构建方法,将用户画像概念与电力物联网设备相结合,运用数据挖掘、机器学习等传统方法实现设备画像的构建。
本发明的有益效果还包括:
1、本发明中的设备特征分析和标签定义技术,能够避免设备敏感信息的泄露,从而有效地保护物联网设备的隐私;
2、本发明中基于多个自定义维度的设备画像,能够用于设备预测性维护、设备安全态势感知和设备自主式升级等多个方面,提供综合应用能力。
附图说明
图1为本发明一种面向电力物联网智能终端的设备画像构建方法的方法流程图。
具体实施方式
下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本申请的保护范围。
图1为本发明一种面向电力物联网智能终端的设备画像构建方法的方法流程图。如图1所示,一种面向电力物联网智能终端的设备画像构建方法,包括以下步骤:
步骤1,基于智能终端的设备参数,提取并分析设备类型特征,生成基础数据源。
具体的,智能终端的设备参数包括设备静态数据、设备动态数据和设备空间数据。
优选地,设备静态数据还包括设备类型、设备型号、开发版本等能够表明设备硬件和软件当前状态的基础参数。
优选地,设备动态数据还包括***资源占用率、运行时长等设备运行过程中实时生成的数据参数。基于这些参数,电力物联网可以获知设备当前运行的状态是否正常。
优选地,设备空间数据还包括设备物理位置、设备所属台区。根据设备的空间数据,电力物联网的管理***可以将上述设备的实际位置信息映射到虚拟***当中,并根据设备的位置信息生成虚拟网络结构。
具体的,基于智能终端的设备参数,提取并分析设备类型特征,以及将提取分析出的设备类型特征存储至设备特征库中;以及,设备特征库中存储的设备类型特征即为基础数据源。
从上述这些设备参数中提取出方法规定的有用的信息即可将这些信息组织成为设备类型特征。本发明中,可以将电力物联网中海量的智能终端设备中的设备类型特征提取并存储至设备特征库中。该设备特征库中存储的上述特征即组成了基础数据源。该数据源中的数据具有丰富、完备、可动态优化等特点。
步骤2,清洗基础数据源,并为基础数据源定义标签和设置标签权重,以生成标签数据源。
获得基础数据源后,可以首先对基础数据源中的设备类型特征信息进行清洗与优化。一实施例中,基础数据源由于在数据采集过程中出现的各类设备故障、网络故障、设备默认设置缺陷等意想不到的问题,可能使得采集到的数据具有各种各样的问题。
具体的,基础数据源中可能存在空缺数据、噪声数据、不一致数据、重复数据和错误数据等。空缺数据是指设备中的某项数据内容未被采集终端采集上来。例如,电力物联网未采集到某台智能电表的软件版本号,在数据源清洗过程中,则需要补充默认的软件版本号信息。噪声数据是指采集上来的数据中包括许多无用的噪声,如采集只能电表数据时,采集到了许多不必要的实时电压电流信息,这些信息对于设备画像是多余的,在数据源清洗过程中,则可为了节省空间,将其清洗掉。
优选地,清洗基础数据源包括对基础数据源中的空缺数据、噪声数据、不一致数据、重复数据和错误数据进行清洗。
清洗数据源之后,则可以对清洗后的基础数据源定义标签了。根据清洗后单个设备的数据信息,可以根据设备类型或设备型号、设备通信方式等的特征为设备分配标签。例如,可以根据设备类型为设备分配能源控制器标签、边缘物联代理标签、台区智能融合终端标签等,也可以根据设备型号,例如设备的操作***版本、设备是否具备边缘计算能力、设备的本地通信方式以及设备的远程通信方式等为设备提供响应的标签。
一实施例中,每台设备可能具有不止一个设备标签,并且当设备具备多个标签时,可以根据设备的基本参数信息为设备中的多个标签设置权重。如某一设备同时具备标签1和标签2,则可以设备标签权重为标签1为50%,标签2为50%。
优选地,为基础数据源定义标签时,还根据真实案例验证标签正确性。通过真实的电力物联网中的案例验证标签挖掘结果的正确性,能够保证标签对应的处理结果跟预期大体相符。因此,为了能够验证标签的正确性,可以选取多个真实的电网案例,并将该案例建模存储至实现该方法的***中。在需要验证标签正确性的时候,就调用***中预存的模型案例,并通过模型案例对标签进行验证。
步骤3,利用深度学习算法对标签数据源进行模型训练和模型验证,以构建智能终端的设备模型。
优选地,深度学习算法是从SVM(Support Vector Machine,支持向量机)算法、神经网络算法、K-means(k-means clustering,k均值聚类)算法中进行算法选型并生成的。
根据现有技术中常用的上述算法中的一种或多种,从标签库种选择标签数据,并根据标签数据源中的标签信息对设备进行建模,以训练设备模型,同时也可以对设备模型进行验证评估,从而确保设备模型的准确度。
步骤4,自定义维度信息,基于设备模型并利用数据可视化方法对智能终端进行设备画像。
获得设备模型后,即可根据自定义的维度信息,得到可视化的设备画像了。
优选地,自定义维度信息包括自定义时间维度、自定义属性维度和自定义行为维度。其中,自定义的属性维度可以包括空间属性维度,例如选择对某一地区种某一电力台区中的设备进行画像。行为维度则可以包括针对某一个或一类电力事件相关的设备进行画像。例如可以选择存在安全警告事件的设备进行画像。根据不同的维度,可视化过程中,用户通过自定义选择,方法提供的可视化界面中能够出现针对不同维度的设备画像信息。优选地,根据自定义维度对所述智能终端进行设备画像。
本发明的有益效果在于,与现有技术相比,本发明中一种面向电力物联网智能终端的设备画像构建方法,将用户画像概念与电力物联网设备相结合,运用数据挖掘、机器学习等传统方法实现设备画像的构建。
本发明的有益效果还包括:
1、本发明中的设备特征分析和标签定义技术,能够避免设备敏感信息的泄露,从而有效地保护物联网设备的隐私;
2、本发明中基于多个自定义维度的设备画像,能够用于设备预测性维护、设备安全态势感知和设备自主式升级等多个方面,提供综合应用能力。
本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述,但是本领域技术人员应该理解,以上实施示例仅为本发明的优选实施方案,详尽的说明只是为了帮助读者更好地理解本发明精神,而并非对本发明保护范围的限制,相反,任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。
Claims (8)
1.一种面向电力物联网智能终端的设备画像构建方法,其特征在于,包括以下步骤:
步骤1,基于所述智能终端的设备参数,提取并分析设备类型特征,生成基础数据源;
步骤2,清洗所述基础数据源,并为所述基础数据源定义标签和设置标签权重,以生成标签数据源;
步骤3,利用深度学习算法对所述标签数据源进行模型训练和模型验证,以构建所述智能终端的设备模型;
步骤4,自定义维度信息,基于所述设备模型并利用数据可视化方法对所述智能终端进行设备画像。
2.如权利要求1中所述的一种面向电力物联网智能终端的设备画像构建方法,其特征在于,所述步骤1还包括:
所述设备参数包括设备静态数据、设备动态数据和设备空间数据;以及,
所述设备静态数据还包括设备类型、设备型号、开发版本;
所述设备动态数据还包括***资源占用率、运行时长;
所述设备空间数据还包括设备物理位置、设备所属台区。
3.如权利要求2中所述的一种面向电力物联网智能终端的设备画像构建方法,其特征在于,所述步骤1还包括:
基于所述智能终端的设备参数,提取并分析设备类型特征,以及将所述提取分析出的设备类型特征存储至设备特征库中;以及,
所述设备特征库中存储的设备类型特征即为所述基础数据源。
4.如权利要求1中所述的一种面向电力物联网智能终端的设备画像构建方法,其特征在于,所述步骤2还包括:
清洗所述基础数据源还包括:对基础数据源中的空缺数据、噪声数据、不一致数据、重复数据和错误数据进行清洗。
5.如权利要求1中所述的一种面向电力物联网智能终端的设备画像构建方法,其特征在于,所述步骤2还包括:
为所述基础数据源定义标签时,根据真实案例验证标签正确性。
6.如权利要求1中所述的一种面向电力物联网智能终端的设备画像构建方法,其特征在于,所述步骤3还包括:
所述深度学习算法是从SVM算法、神经网络算法、K-means算法中进行算法选型并生成的。
7.如权利要求1中所述的一种面向电力物联网智能终端的设备画像构建方法,其特征在于,所述步骤4还包括:
所述自定义维度信息包括自定义时间维度、自定义属性维度和自定义行为维度。
8.如权利要求1中所述的一种面向电力物联网智能终端的设备画像构建方法,其特征在于,所述步骤4还包括:
根据所述自定义时间维度、自定义属性维度和自定义行为维度对所述智能终端进行设备画像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011312694.4A CN112364008A (zh) | 2020-11-20 | 2020-11-20 | 一种面向电力物联网智能终端的设备画像构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011312694.4A CN112364008A (zh) | 2020-11-20 | 2020-11-20 | 一种面向电力物联网智能终端的设备画像构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112364008A true CN112364008A (zh) | 2021-02-12 |
Family
ID=74533794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011312694.4A Pending CN112364008A (zh) | 2020-11-20 | 2020-11-20 | 一种面向电力物联网智能终端的设备画像构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112364008A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113408753A (zh) * | 2021-06-07 | 2021-09-17 | 国网天津市电力公司 | 一种基于标签技术的主网设备画像装置及方法 |
CN114417955A (zh) * | 2021-12-02 | 2022-04-29 | 国网浙江省电力有限公司 | 适用乡村的电力指数画像实时生成方法、装置及存储介质 |
WO2023151191A1 (zh) * | 2022-02-14 | 2023-08-17 | 烟台杰瑞石油服务集团股份有限公司 | 机械设备画像生成方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017186106A1 (zh) * | 2016-04-29 | 2017-11-02 | 腾讯科技(深圳)有限公司 | 获取用户画像的方法及装置 |
CN107315810A (zh) * | 2017-06-27 | 2017-11-03 | 济南浪潮高新科技投资发展有限公司 | 一种物联网设备行为画像方法 |
WO2018000281A1 (zh) * | 2016-06-29 | 2018-01-04 | 深圳狗尾草智能科技有限公司 | 一种基于深度神经网络的用户画像表示学习***及方法 |
CN109086377A (zh) * | 2018-07-24 | 2018-12-25 | 江苏通付盾科技有限公司 | 设备画像的生成方法、装置及计算设备 |
CN110710190A (zh) * | 2017-06-16 | 2020-01-17 | 华为技术有限公司 | 一种生成用户画像的方法和终端 |
-
2020
- 2020-11-20 CN CN202011312694.4A patent/CN112364008A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017186106A1 (zh) * | 2016-04-29 | 2017-11-02 | 腾讯科技(深圳)有限公司 | 获取用户画像的方法及装置 |
WO2018000281A1 (zh) * | 2016-06-29 | 2018-01-04 | 深圳狗尾草智能科技有限公司 | 一种基于深度神经网络的用户画像表示学习***及方法 |
CN110710190A (zh) * | 2017-06-16 | 2020-01-17 | 华为技术有限公司 | 一种生成用户画像的方法和终端 |
CN107315810A (zh) * | 2017-06-27 | 2017-11-03 | 济南浪潮高新科技投资发展有限公司 | 一种物联网设备行为画像方法 |
CN109086377A (zh) * | 2018-07-24 | 2018-12-25 | 江苏通付盾科技有限公司 | 设备画像的生成方法、装置及计算设备 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113408753A (zh) * | 2021-06-07 | 2021-09-17 | 国网天津市电力公司 | 一种基于标签技术的主网设备画像装置及方法 |
CN114417955A (zh) * | 2021-12-02 | 2022-04-29 | 国网浙江省电力有限公司 | 适用乡村的电力指数画像实时生成方法、装置及存储介质 |
CN114417955B (zh) * | 2021-12-02 | 2023-10-31 | 国网浙江省电力有限公司 | 适用乡村的电力指数画像实时生成方法、装置及存储介质 |
WO2023151191A1 (zh) * | 2022-02-14 | 2023-08-17 | 烟台杰瑞石油服务集团股份有限公司 | 机械设备画像生成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112364008A (zh) | 一种面向电力物联网智能终端的设备画像构建方法 | |
CN109685647B (zh) | 信贷欺诈检测方法及其模型的训练方法、装置和服务器 | |
CN110046297B (zh) | 运维违规操作的识别方法、装置和存储介质 | |
CN109600336A (zh) | 存储设备、验证码应用方法和装置 | |
CN113010393A (zh) | 基于混沌工程的故障演练方法及装置 | |
CN111522746B (zh) | 数据处理的方法、装置、设备及计算机可读存储介质 | |
CN115632839B (zh) | 一种智慧校园环境网络监管方法和*** | |
CN113223121A (zh) | 视频生成方法、装置、电子设备及存储介质 | |
CN107220742B (zh) | 一种基于***脆弱性分析的信息***开发通用支撑方法及平台 | |
CN116739408A (zh) | 基于数据标签的电网调度安全监控方法、***及电子设备 | |
CN116707859A (zh) | 特征规则提取方法和装置、网络入侵检测方法和装置 | |
CN113596061B (zh) | 基于区块链技术的网络安全漏洞响应方法 | |
CN114329099A (zh) | 重叠社区识别方法、装置、设备、存储介质及程序产品 | |
CN113761272A (zh) | 一种数据处理方法、设备以及计算机可读存储介质 | |
CN111915701A (zh) | 一种基于人工智能的按钮图像生成方法和装置 | |
CN114510592A (zh) | 图像分类方法、装置、电子设备及存储介质 | |
Chren | Towards multi-layered reliability analysis in smart grids | |
CN111917801A (zh) | 私有云环境下基于Petri网的用户行为认证方法 | |
CN116842409B (zh) | 新能源发电场景生成方法、装置、计算机设备和存储介质 | |
Lu et al. | Anomaly Recognition Method for Massive Data of Power Internet of Things Based on Bayesian Belief Network | |
Oh et al. | Application TadGAN to Detect Collective Anomaly in Power Usage Data | |
KR102273868B1 (ko) | 비지도학습에서의 사용자의도 반영 방법 및 그 장치 | |
CN115859911B (zh) | 适应数据动态变化下的标签自动生成演进方法、装置 | |
KR102337290B1 (ko) | 맥락 카테고리 데이터셋 생성 장치 및 방법 | |
CN118069885B (zh) | 一种动态视频内容编码检索方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210212 |