CN106407657A - 事件捕获方法和装置 - Google Patents
事件捕获方法和装置 Download PDFInfo
- Publication number
- CN106407657A CN106407657A CN201610777754.7A CN201610777754A CN106407657A CN 106407657 A CN106407657 A CN 106407657A CN 201610777754 A CN201610777754 A CN 201610777754A CN 106407657 A CN106407657 A CN 106407657A
- Authority
- CN
- China
- Prior art keywords
- manifold
- event
- scale parameter
- filter function
- gaussian filter
- 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
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种事件捕获方法和装置。其中,该方法包括:获取预设时间段内交易数据的数据集合,其中,数据集合中每个数据元素按照采集顺序进行排列;根据数据集合确定目标事件的高斯滤波函数,并根据高斯滤波函数确定目标事件的事件发生点;根据事件发生点对目标事件进行捕获。本发明解决了现有技术中无法通过对数据进行分析来确定机遇或者危机的技术问题。
Description
技术领域
本发明涉及数据处理领域,具体而言,涉及一种事件捕获方法和装置。
背景技术
由于现实世界中可能会出现各种各样的偶发事件,偶发事件就会影响企业的销售量,导致销售量因偶发事件进行上下波动,其中,对于波动巨大的事件可能是“机遇”,也有可能是“威胁”。因此,对于已发的事件进行分析可以帮助企业寻找类似的商业机会或避免风险。对不易察觉的小幅度的波动则可进行常规分析,在更大的事件来临前做好准备,应对挑战。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种事件捕获方法和装置,以至少解决现有技术中无法通过对数据进行分析来确定机遇或者危机的技术问题。
根据本发明实施例的一个方面,提供了一种事件捕获方法,包括:获取预设时间段内交易数据的数据集合,其中,所述数据集合中每个数据元素按照采集顺序进行排列;根据数据集合确定目标事件的高斯滤波函数,并根据所述高斯滤波函数确定所述目标事件的事件发生点;根据所述事件发生点对所述目标事件进行捕获。
进一步地,所述高斯滤波函数的尺度参数包括第一尺度参数和第二尺度参数,根据所述高斯滤波函数确定所述目标事件的事件发生点包括:计算当所述尺度参数为所述第一尺度参数时,所述高斯滤波函数的第一数集;计算当所述尺度参数为所述第二尺度参数时,所述高斯滤波函数的第二数集;计算所述第一数集和所述第二数集的差值,得到目标数集;根据所述目标数集确定所述目标事件的事件发生点。
进一步地,根据所述目标数集确定所述目标事件的事件发生点包括:获取预设阈值,其中,所述预设阈值用于确定目标事件的事件发生点;将所述目标数集中每个数值与所述预设阈值相比较;如果比较出所述数值小于所述预设阈值,则将所述数值更新为第一目标值;如果比较出所述数值大于或者等于所述预设阈值,则将所述数值更新第二目标值,并将所述第二目标值对应的数据元素作为所述事件发生点。
进一步地,计算当所述尺度参数为所述第一尺度参数时,所述高斯滤波函数的第一数集包括:根据公式计算所述第一数集,其中,σ1为所述第一尺度参数,x为所述数据集合中的数据元素,μ为所述数据集合中每个数据元素的平均值;计算当所述尺度参数为所述第二尺度参数时,所述高斯滤波函数的第二数集包括:根据公式计算所述第一数集,其中,σ2为所述第二尺度参数,x为所述数据集合中的数据元素,μ为所述数据集合中每个数据元素的平均值。
进一步地,所述第一数集中的最大数值随所述第一尺度参数的增大而增大,以及所述第二数集中的最大数值随所述第二尺度参数的增大而增大。
根据本发明实施例的另一方面,还提供了一种事件捕获装置,包括:获取单元,用于获取预设时间段内交易数据的数据集合,其中,所述数据集合中每个数据元素按照采集顺序进行排列;确定单元,用于根据数据集合确定目标事件的高斯滤波函数,并根据所述高斯滤波函数确定所述目标事件的事件发生点;捕获单元,用于根据所述事件发生点对所述目标事件进行捕获。
进一步地,所述高斯滤波函数的尺度参数包括第一尺度参数和第二尺度参数,所述确定单元包括:第一计算模块,用于计算当所述尺度参数为所述第一尺度参数时,所述高斯滤波函数的第一数集;第二计算模块,用于计算当所述尺度参数为所述第二尺度参数时,所述高斯滤波函数的第二数集;第三计算模块,用于计算所述第一数集和所述第二数集的差值,得到目标数集;确定模块,用于根据所述目标数集确定所述目标事件的事件发生点。
进一步地,所述确定模块包括:获取子模块,用于获取预设阈值,其中,所述预设阈值用于确定目标事件的事件发生点;比较子模块,用于将所述目标数集中每个数值与所述预设阈值相比较;更新子模块,用于如果比较出所述数值小于所述预设阈值,则将所述数值更新为第一目标值;更新确定子模块,用于如果比较出所述数值大于或者等于所述预设阈值,则将所述数值更新第二目标值,并将所述第二目标值对应的数据元素作为所述事件发生点。
进一步地,所述第一计算模块用于:根据公式计算所述第一数集,其中,σ1为所述第一尺度参数,x为所述数据集合中的数据元素,μ为所述数据集合中每个数据元素的平均值;所述第二计算模块用于:根据公式计算所述第一数集,其中,σ2为所述第二尺度参数,x为所述数据集合中的数据元素,μ为所述数据集合中每个数据元素的平均值。
进一步地,所述第一数集中的最大数值随所述第一尺度参数的增大而增大,以及所述第二数集中的最大数值随所述第二尺度参数的增大而增大。
在本发明实施例中,采用获取预设时间段内交易数据的数据集合,其中,所述数据集合中每个数据元素按照采集顺序进行排列;根据数据集合确定目标事件的高斯滤波函数,并根据所述高斯滤波函数确定所述目标事件的事件发生点;根据所述事件发生点对所述目标事件进行捕获的方式,在本发明实施例中,在获取到预设时间段内交易数据的数据集合之后,就根据数据集合确定目标事件的高斯滤波函数,并根据高斯滤波函数对目标时间进行捕获,达到了捕获波动事件的目的,从而实现了通过捕获波动事件来确定企业机遇或者危机的技术效果,进而解决了现有技术中无法通过对数据进行分析来确定机遇或者危机的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种事件捕获方法的流程图;以及
图2是根据本发明实施例的一种事件捕获装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例,提供了一种事件捕获方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种事件捕获方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取预设时间段内交易数据的数据集合,其中,数据集合中每个数据元素按照采集顺序进行排列。
在本发明实施例中,上述交易数据包括预设时间段内的交易金额,或者交易次数。如果交易数据为交易金额,那么就将交易金额按照时间顺序(也即,采集顺序)进行排列,得到包含交易金额的数据集合X1{x1,x2,…,xn}。如果交易数据为交易次数,那么就将交易次数按照时间顺序(也即,采集顺序)进行排列,得到包含交易次数的数据集合X2{x1,x2,…,xn}。
步骤S104,根据数据集合确定目标事件的高斯滤波函数,并根据高斯滤波函数确定目标事件的事件发生点。
在本发明实施例中,在获取到数据集合之后,就可以根据获取到的数据集合确定目标时间的高斯滤波函数,进而,通过高斯滤波函数确定目标事件的事件发生点。
步骤S106,根据事件发生点对目标事件进行捕获。
在本发明实施例中,在获取到预设时间段内交易数据的数据集合之后,就根据数据集合确定目标事件的高斯滤波函数,并根据高斯滤波函数对目标时间进行捕获,达到了捕获波动事件的目的,从而实现了通过捕获波动事件来确定企业机遇或者危机的技术效果,进而解决了现有技术中无法通过对数据进行分析来确定机遇或者危机的技术问题。
在本发明的一个可选实施方式中,高斯滤波函数的尺度参数包括第一尺度参数和第二尺度参数,根据高斯滤波函数确定目标事件的事件发生点,包括如下步骤:
步骤S1041,计算当尺度参数为第一尺度参数时,高斯滤波函数的第一数集;
步骤S1042,计算当尺度参数为第二尺度参数时,高斯滤波函数的第二数集;
步骤S1043,计算第一数集和第二数集的差值,得到目标数集;
步骤S1044,根据目标数集确定目标事件的事件发生点。
在本发明实施例中,高斯滤波函数的函数表达式中包含尺度参数,当尺度参数的取值不同时,高斯滤波函数的函数表达式不同。因此,在本发明实施例中,分别计算当尺度参数为第一尺度参数时,高斯滤波函数的第一结果(即,上述第一数集)G1,并计算当尺度参数为第二尺度参数时,高斯滤波函数的第二结果(即,上述第二数集)G2。在计算得到第一数集和第二数集之后,就可以计算第一数集和第二数集的差值,即,DoG=G1-G2,得到目标数集,其中,DoG即为目标数集。最后,根据目标数集确定目标事件的事件发生点。
在本发明的一个可选实施方式中,根据目标数集确定目标事件的事件发生点,包括如下步骤:
步骤S1,获取预设阈值,其中,预设阈值用于确定目标事件的事件发生点;
步骤S2,将目标数集中每个数值与预设阈值相比较;
步骤S3,如果比较出数值小于预设阈值,则将数值更新为第一目标值;
步骤S4,如果比较出数值大于或者等于预设阈值,则将数值更新第二目标值,并将第二目标值对应的数据元素作为事件发生点。
具体地,可以获取预先设置的预设阈值(即,极小值ε),然后,将目标数集DoG中的每个数值与ε进行比较。当该数值大于或者等于极小值ε时,将该数值替换为第二目标值,例如,替换为1。当该数值小于极小值ε时,将该数值替换为第一目标值,例如,替换为0。
需要说明的是,在本发明实施例中,在将目标数集中的数值替换为1之后,就可以在替换之后的目标数集中过滤出1点所在的位置,即,过滤出上述数据集合中与1对应的数据元素。最后,将数据集合中与1对应的数据元素作为事件发生点,并进行事件的捕获。
优选地,上述高斯滤波函数可以为正态分布函数,在此情况下,计算当尺度参数为第一尺度参数时,高斯滤波函数的第一数集包括:根据公式计算第一数集,其中,σ1为第一尺度参数,x为数据集合中的数据元素,μ为数据集合中每个数据元素的平均值;以及计算当尺度参数为第二尺度参数时,高斯滤波函数的第二数集包括:根据公式计算第一数集,其中,σ2为第二尺度参数,x为数据集合中的数据元素,μ为数据集合中每个数据元素的平均值。
需要说明的是,通过可知,当尺度参数的取值越大,那么的正态分布曲线也就越平滑,同时,正态分布曲线也越小越尖锐。也就是说,第一尺度参数越大,第一数集中的最大数值也越大,以及第二尺度参数越大,第二数集中的最大数值也越大。因此,在选取第一尺度参数和第二尺度参数时,技术人员会尝试多次取值找到最合理的一组搭配。
综上,在本发明实施例中,通过使用一种检测技术找到数据波动幅度相对较大区域(即,目标事件的事件发生点),以帮助客户捕捉事件的时间,提供分析依据。
技术人员经过模拟试验可知,该方法效果良好,可信。进一步需要说明的是,该方案对于符合正态分布的数据分析效果良好。
本发明实施例还提供了一种事件捕获装置,该事件捕获装置主要用于执行本发明实施例上述内容所提供的事件捕获方法,以下对本发明实施例所提供的事件捕获装置做具体介绍。
图2是根据本发明实施例的一种事件捕获装置的示意图,如图2所示,该事件捕获装置主要包括获取单元21、确定单元23和捕获单元25,其中:
获取单元21,用于获取预设时间段内交易数据的数据集合,其中,数据集合中每个数据元素按照采集顺序进行排列。
在本发明实施例中,上述交易数据包括预设时间段内的交易金额,或者交易次数。如果交易数据为交易金额,那么就将交易金额按照时间顺序(也即,采集顺序)进行排列,得到包含交易金额的数据集合X1{x1,x2,…,xn}。如果交易数据为交易次数,那么就将交易次数按照时间顺序(也即,采集顺序)进行排列,得到包含交易次数的数据集合X2{x1,x2,…,xn}。
确定单元23,用于根据数据集合确定目标事件的高斯滤波函数,并根据高斯滤波函数确定目标事件的事件发生点。
在本发明实施例中,在获取到数据集合之后,就可以根据获取到的数据集合确定目标时间的高斯滤波函数,进而,通过高斯滤波函数确定目标事件的事件发生点。
捕获单元25,用于根据事件发生点对目标事件进行捕获。
在本发明实施例中,在获取到预设时间段内交易数据的数据集合之后,就根据数据集合确定目标事件的高斯滤波函数,并根据高斯滤波函数对目标时间进行捕获,达到了捕获波动事件的目的,从而实现了通过捕获波动事件来确定企业机遇或者危机的技术效果,进而解决了现有技术中无法通过对数据进行分析来确定机遇或者危机的技术问题。
可选地,高斯滤波函数的尺度参数包括第一尺度参数和第二尺度参数,确定单元包括:第一计算模块,用于计算当尺度参数为第一尺度参数时,高斯滤波函数的第一数集;第二计算模块,用于计算当尺度参数为第二尺度参数时,高斯滤波函数的第二数集;第三计算模块,用于计算第一数集和第二数集的差值,得到目标数集;确定模块,用于根据目标数集确定目标事件的事件发生点。
在本发明实施例中,高斯滤波函数的函数表达式中包含尺度参数,当尺度参数的取值不同时,高斯滤波函数的函数表达式不同。因此,在本发明实施例中,分别计算当尺度参数为第一尺度参数时,高斯滤波函数的第一结果(即,上述第一数集)G1,并计算当尺度参数为第二尺度参数时,高斯滤波函数的第二结果(即,上述第二数集)G2。在计算得到第一数集和第二数集之后,就可以计算第一数集和第二数集的差值,即,DoG=G1-G2,得到目标数集,其中,DoG即为目标数集。最后,根据目标数集确定目标事件的事件发生点。
可选地,确定模块包括:获取子模块,用于获取预设阈值,其中,预设阈值用于确定目标事件的事件发生点;比较子模块,用于将目标数集中每个数值与预设阈值相比较;更新子模块,用于如果比较出数值小于预设阈值,则将数值更新为第一目标值;更新确定子模块,用于如果比较出数值大于或者等于预设阈值,则将数值更新第二目标值,并将第二目标值对应的数据元素作为事件发生点。
在本发明实施例中,高斯滤波函数的函数表达式中包含尺度参数,当尺度参数的取值不同时,高斯滤波函数的函数表达式不同。因此,在本发明实施例中,分别计算当尺度参数为第一尺度参数时,高斯滤波函数的第一结果(即,上述第一数集)G1,并计算当尺度参数为第二尺度参数时,高斯滤波函数的第二结果(即,上述第二数集)G2。在计算得到第一数集和第二数集之后,就可以计算第一数集和第二数集的差值,即,DoG=G1-G2,得到目标数集,其中,DoG即为目标数集。最后,根据目标数集确定目标事件的事件发生点。
可选地,第一计算模块用于:根据公式计算第一数集,其中,σ1为第一尺度参数,x为数据集合中的数据元素,μ为数据集合中每个数据元素的平均值;第二计算模块用于:根据公式计算第一数集,其中,σ2为第二尺度参数,x为数据集合中的数据元素,μ为数据集合中每个数据元素的平均值。
可选地,第一数集中的最大数值随第一尺度参数的增大而增大,以及第二数集中的最大数值随第二尺度参数的增大而增大。
需要说明的是,通过可知,当尺度参数的取值越大,那么的正态分布曲线也就越平滑,同时,正态分布曲线也越小越尖锐。也就是说,第一尺度参数越大,第一数集中的最大数值也越大,以及第二尺度参数越大,第二数集中的最大数值也越大。因此,在选取第一尺度参数和第二尺度参数时,技术人员会尝试多次取值找到最合理的一组搭配。
综上,在本发明实施例中,通过使用一种检测技术找到数据波动幅度相对较大区域(即,目标事件的事件发生点),以帮助客户捕捉事件的时间,提供分析依据。
技术人员经过模拟试验可知,该方法效果良好,可信。进一步需要说明的是,该方案对于符合正态分布的数据分析效果良好。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种事件捕获方法,其特征在于,包括:
获取预设时间段内交易数据的数据集合,其中,所述数据集合中每个数据元素按照采集顺序进行排列;
根据数据集合确定目标事件的高斯滤波函数,并根据所述高斯滤波函数确定所述目标事件的事件发生点;
根据所述事件发生点对所述目标事件进行捕获。
2.根据权利要求1所述的方法,其特征在于,所述高斯滤波函数的尺度参数包括第一尺度参数和第二尺度参数,根据所述高斯滤波函数确定所述目标事件的事件发生点包括:
计算当所述尺度参数为所述第一尺度参数时,所述高斯滤波函数的第一数集;
计算当所述尺度参数为所述第二尺度参数时,所述高斯滤波函数的第二数集;
计算所述第一数集和所述第二数集的差值,得到目标数集;
根据所述目标数集确定所述目标事件的事件发生点。
3.根据权利要求2所述的方法,其特征在于,根据所述目标数集确定所述目标事件的事件发生点包括:
获取预设阈值,其中,所述预设阈值用于确定目标事件的事件发生点;
将所述目标数集中每个数值与所述预设阈值相比较;
如果比较出所述数值小于所述预设阈值,则将所述数值更新为第一目标值;
如果比较出所述数值大于或者等于所述预设阈值,则将所述数值更新第二目标值,并将所述第二目标值对应的数据元素作为所述事件发生点。
4.根据权利要求2所述的方法,其特征在于,
计算当所述尺度参数为所述第一尺度参数时,所述高斯滤波函数的第一数集包括:根据公式计算所述第一数集,其中,σ1为所述第一尺度参数,x为所述数据集合中的数据元素,μ为所述数据集合中每个数据元素的平均值;
计算当所述尺度参数为所述第二尺度参数时,所述高斯滤波函数的第二数集包括:根据公式计算所述第一数集,其中,σ2为所述第二尺度参数,x为所述数据集合中的数据元素,μ为所述数据集合中每个数据元素的平均值。
5.根据权利要求2所述的方法,其特征在于,所述第一数集中的最大数值随所述第一尺度参数的增大而增大,以及所述第二数集中的最大数值随所述第二尺度参数的增大而增大。
6.一种事件捕获装置,其特征在于,包括:
获取单元,用于获取预设时间段内交易数据的数据集合,其中,所述数据集合中每个数据元素按照采集顺序进行排列;
确定单元,用于根据数据集合确定目标事件的高斯滤波函数,并根据所述高斯滤波函数确定所述目标事件的事件发生点;
捕获单元,用于根据所述事件发生点对所述目标事件进行捕获。
7.根据权利要求6所述的装置,其特征在于,所述高斯滤波函数的尺度参数包括第一尺度参数和第二尺度参数,所述确定单元包括:
第一计算模块,用于计算当所述尺度参数为所述第一尺度参数时,所述高斯滤波函数的第一数集;
第二计算模块,用于计算当所述尺度参数为所述第二尺度参数时,所述高斯滤波函数的第二数集;
第三计算模块,用于计算所述第一数集和所述第二数集的差值,得到目标数集;
确定模块,用于根据所述目标数集确定所述目标事件的事件发生点。
8.根据权利要求7所述的装置,其特征在于,所述确定模块包括:
获取子模块,用于获取预设阈值,其中,所述预设阈值用于确定目标事件的事件发生点;
比较子模块,用于将所述目标数集中每个数值与所述预设阈值相比较;
更新子模块,用于如果比较出所述数值小于所述预设阈值,则将所述数值更新为第一目标值;
更新确定子模块,用于如果比较出所述数值大于或者等于所述预设阈值,则将所述数值更新第二目标值,并将所述第二目标值对应的数据元素作为所述事件发生点。
9.根据权利要求7所述的装置,其特征在于,
所述第一计算模块用于:根据公式计算所述第一数集,其中,σ1为所述第一尺度参数,x为所述数据集合中的数据元素,μ为所述数据集合中每个数据元素的平均值;
所述第二计算模块用于:根据公式计算所述第一数集,其中,σ2为所述第二尺度参数,x为所述数据集合中的数据元素,μ为所述数据集合中每个数据元素的平均值。
10.根据权利要求7所述的装置,其特征在于,所述第一数集中的最大数值随所述第一尺度参数的增大而增大,以及所述第二数集中的最大数值随所述第二尺度参数的增大而增大。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610777754.7A CN106407657A (zh) | 2016-08-31 | 2016-08-31 | 事件捕获方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610777754.7A CN106407657A (zh) | 2016-08-31 | 2016-08-31 | 事件捕获方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106407657A true CN106407657A (zh) | 2017-02-15 |
Family
ID=58003217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610777754.7A Pending CN106407657A (zh) | 2016-08-31 | 2016-08-31 | 事件捕获方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106407657A (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1874497A (zh) * | 2006-05-30 | 2006-12-06 | 浙江工业大学 | 基于全方位计算机视觉的独居老人家庭安保装置 |
US20070118297A1 (en) * | 2005-11-10 | 2007-05-24 | Idexx Laboratories, Inc. | Methods for identifying discrete populations (e.g., clusters) of data within a flow cytometer multi-dimensional data set |
CN101501729A (zh) * | 2006-07-27 | 2009-08-05 | 视频技术公司 | 事件检测方法和使用所述方法的视频监视系统 |
WO2010014965A2 (en) * | 2008-07-31 | 2010-02-04 | Choicepoint Services, Inc. | Systems & methods of calculating and presenting automobile driving risks |
CN102230951A (zh) * | 2011-03-28 | 2011-11-02 | 武汉大学 | 一种电力系统单一或多重电能扰动事件在线监测与识别方法 |
CN102970692A (zh) * | 2012-12-03 | 2013-03-13 | 哈尔滨工程大学 | 一种无线传感器网络事件边界节点检测方法 |
CN103150735A (zh) * | 2013-03-26 | 2013-06-12 | 山东大学 | 一种基于灰度差值平均的图像边缘检测方法 |
CN103218605A (zh) * | 2013-04-09 | 2013-07-24 | 东南大学 | 一种基于积分投影与边缘检测的快速人眼定位方法 |
CN104408143A (zh) * | 2014-12-01 | 2015-03-11 | 北京国双科技有限公司 | 网页数据的监测方法和装置 |
CN104483575A (zh) * | 2014-12-22 | 2015-04-01 | 天津求实智源科技有限公司 | 用于非侵入式电力监测的自适应负荷事件检测方法 |
CN104713526A (zh) * | 2015-04-01 | 2015-06-17 | 无锡桑尼安科技有限公司 | 输电线路上异物种类检测方法 |
CN104899876A (zh) * | 2015-05-18 | 2015-09-09 | 天津工业大学 | 一种基于自适应高斯差分的眼底图像血管分割方法 |
CN105791814A (zh) * | 2016-03-09 | 2016-07-20 | 中国科学院自动化研究所 | 一种基于图像处理技术的监控视频质量检测方法及装置 |
-
2016
- 2016-08-31 CN CN201610777754.7A patent/CN106407657A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070118297A1 (en) * | 2005-11-10 | 2007-05-24 | Idexx Laboratories, Inc. | Methods for identifying discrete populations (e.g., clusters) of data within a flow cytometer multi-dimensional data set |
CN1874497A (zh) * | 2006-05-30 | 2006-12-06 | 浙江工业大学 | 基于全方位计算机视觉的独居老人家庭安保装置 |
CN101501729A (zh) * | 2006-07-27 | 2009-08-05 | 视频技术公司 | 事件检测方法和使用所述方法的视频监视系统 |
WO2010014965A2 (en) * | 2008-07-31 | 2010-02-04 | Choicepoint Services, Inc. | Systems & methods of calculating and presenting automobile driving risks |
CN102230951A (zh) * | 2011-03-28 | 2011-11-02 | 武汉大学 | 一种电力系统单一或多重电能扰动事件在线监测与识别方法 |
CN102970692A (zh) * | 2012-12-03 | 2013-03-13 | 哈尔滨工程大学 | 一种无线传感器网络事件边界节点检测方法 |
CN103150735A (zh) * | 2013-03-26 | 2013-06-12 | 山东大学 | 一种基于灰度差值平均的图像边缘检测方法 |
CN103218605A (zh) * | 2013-04-09 | 2013-07-24 | 东南大学 | 一种基于积分投影与边缘检测的快速人眼定位方法 |
CN104408143A (zh) * | 2014-12-01 | 2015-03-11 | 北京国双科技有限公司 | 网页数据的监测方法和装置 |
CN104483575A (zh) * | 2014-12-22 | 2015-04-01 | 天津求实智源科技有限公司 | 用于非侵入式电力监测的自适应负荷事件检测方法 |
CN104713526A (zh) * | 2015-04-01 | 2015-06-17 | 无锡桑尼安科技有限公司 | 输电线路上异物种类检测方法 |
CN104899876A (zh) * | 2015-05-18 | 2015-09-09 | 天津工业大学 | 一种基于自适应高斯差分的眼底图像血管分割方法 |
CN105791814A (zh) * | 2016-03-09 | 2016-07-20 | 中国科学院自动化研究所 | 一种基于图像处理技术的监控视频质量检测方法及装置 |
Non-Patent Citations (4)
Title |
---|
PHILIP BIRCH ET AL.: "Approximate bandpass and frequency response models of the difference of Gaussian filter", 《OPTICS COMMUNICATIONS》 * |
刘吉磊 等: "基于高斯差分模型的雪地扰动痕迹遥感识别", 《遥感技术与应用》 * |
游磊 等: "一种新的基于DoG 的立体匹配算法", 《重庆工学院学报(自然科学)》 * |
王佐成 等: "Canny 算子边缘检测的一种改进方法", 《计算机工程与应用》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108960833B (zh) | 一种基于异构金融特征的异常交易识别方法,设备及存储介质 | |
Halvaiee et al. | A novel model for credit card fraud detection using Artificial Immune Systems | |
CN108595585B (zh) | 样本数据分类方法、模型训练方法、电子设备及存储介质 | |
US20160048756A1 (en) | Neural network based cluster visualization | |
CN104063458B (zh) | 一种对终端故障问题提供对应解决方案的方法及装置 | |
CN107545249A (zh) | 一种人群年龄识别方法及装置 | |
CN110336838B (zh) | 账号异常检测方法、装置、终端及存储介质 | |
CN104967629A (zh) | 网络攻击检测方法及装置 | |
CN105260414B (zh) | 用户行为相似性计算方法及装置 | |
CN109558892A (zh) | 一种基于神经网络的目标识别方法及系统 | |
CN106612216A (zh) | 网站访问异常的检测方法及装置 | |
CN112437053A (zh) | 入侵检测方法及装置 | |
CN107885754B (zh) | 基于lda模型从交易数据中提取信用变量的方法和装置 | |
CN105069158B (zh) | 数据挖掘方法及系统 | |
CN103810241B (zh) | 一种低频点击的过滤方法和装置 | |
CN106933904B (zh) | 数据的过滤方法和装置 | |
CN106407657A (zh) | 事件捕获方法和装置 | |
CN103617261A (zh) | 图片内容属性识别方法和系统 | |
CN108076032A (zh) | 一种异常行为用户识别方法及装置 | |
CN106708873A (zh) | 数据整合方法和装置 | |
CN109376138A (zh) | 一种多维数据的异常组合检测方法及装置 | |
CN110969491B (zh) | 一种基于网络路径的商品推送方法、系统及设备 | |
FI20215700A1 (en) | Analyzing the measurement results of the communication network or other target system | |
US8447677B2 (en) | Transaction range comparison for financial investigation | |
CN106649384A (zh) | 对url进行分类的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Wuxi District of Jiangsu city in Wuxi Province, Zhenze Road No. 18, Wuxi (National) Software Park Dolphin C seat 2, 3 floor Applicant after: Wuxi private online Polytron Technologies Inc Address before: Wuxi District of Jiangsu city in Wuxi Province, Zhenze Road No. 18, Wuxi (National) Software Park Dolphin C seat 2, 3 floor Applicant before: Wuxi Yazuo Online Technology Development Co., Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170215 |