CN111986419B - 门磁传感器报警规则生成方法及系统、存储介质及终端 - Google Patents
门磁传感器报警规则生成方法及系统、存储介质及终端 Download PDFInfo
- Publication number
- CN111986419B CN111986419B CN201910439969.1A CN201910439969A CN111986419B CN 111986419 B CN111986419 B CN 111986419B CN 201910439969 A CN201910439969 A CN 201910439969A CN 111986419 B CN111986419 B CN 111986419B
- Authority
- CN
- China
- Prior art keywords
- alarm
- door
- clustering
- sensor
- module
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/02—Mechanical actuation
- G08B13/08—Mechanical actuation by opening, e.g. of door, of window, of drawer, of shutter, of curtain, of blind
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供一种门磁传感器报警规则生成方法及系统、存储介质及终端,包括以下步骤:对于预设数量的门磁传感器,获取每个门磁传感器的日志数据;针对每个门磁传感器,剔除所述日志数据中的异常数据,提取所述门磁传感器的每小时超时时长,并基于所述每小时超时时长建立基于时序的报警模型;对获取的所有报警模型进行聚类;基于聚类得到的每一类别构建新的报警模型。本发明的门磁传感器报警规则生成方法及系统、存储介质及终端通过聚类算法实现新的报警规则生成,极大地提高了报警的准确率。
Description
技术领域
本发明涉及门磁传感器的技术领域,特别是涉及一种门磁传感器报警规则生成方法及系统、存储介质及终端。
背景技术
门磁传感器是安全报警的一种装置,用来探测门、窗、抽屉等是否被非法打开或移动,分为无线门磁、无线卷闸门磁、有线门磁三种。具体地,门磁传感器要由开关部分和磁铁部分构成,其中,开关部分主要就是一个常开型的干簧管;磁铁部分主要就是一个内部含有永久磁铁的永磁体,用于提供稳定的磁场。当开关部分与磁铁部分间隔非常近,即门或窗处于关闭状态时,门磁传感器处于工作状态,接收到强行入侵者的袭击后会发出报警音等现象;而当开关部分与磁铁部分间隔较远,即门或窗处于打开状态时,不存在强行入侵的现象,门磁传感器处于关闭状态。
现有技术中,门磁传感器的报警规则通常是通过简单统计判断得到的,科学性和可靠性较低。当门磁传感器直接利用上述方式生成的报警规则进行报警时,报警数量较多,很容易出现误报。比如安装在单元楼的门磁传感器报警,大部分是由居民的生活习惯触发,造成误报。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种门磁传感器报警规则生成方法及系统、存储介质及终端,通过聚类算法实现新的报警规则生成,极大地提高了报警的准确率。
为实现上述目的及其他相关目的,本发明提供一种门磁传感器报警规则生成方法,包括以下步骤:对于预设数量的门磁传感器,获取每个门磁传感器的日志数据;针对每个门磁传感器,剔除所述日志数据中的异常数据,提取所述门磁传感器的每小时超时时长,并基于所述每小时超时时长建立基于时序的报警模型;对获取的所有报警模型进行聚类;基于聚类得到的每一类别构建新的报警模型。
于本发明一实施例中,基于DBSCAN算法对获取的所有报警模型进行聚类。
于本发明一实施例中,针对每一类别建新的报警模型时,所述每小时超时时长取众数。
于本发明一实施例中,当包含有多个众数时,取所述多个众数的中位数。
对应地,本发明提供一种门磁传感器报警规则生成系统,包括获取模块、建立模块、聚类模块和构建模块;
所述获取模块用于对于预设数量的门磁传感器,获取每个门磁传感器的日志数据;
所述建立模块用于针对每个门磁传感器,剔除所述日志数据中的异常数据,提取所述门磁传感器的每小时超时时长,并基于所述每小时超时时长建立基于时序的报警模型;
所述聚类模块用于对获取的所有报警模型进行聚类;
所述构建模块用于基于聚类得到的每一类别构建新的报警模型。
于本发明一实施例中,所述聚类模块基于DBSCAN算法对获取的所有报警模型进行聚类。
于本发明一实施例中,所述构建模块针对每一类别建新的报警模型时,所述每小时超时时长取众数;当包含有多个众数时,取所述多个众数的中位数。
本发明提供一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述的门磁传感器报警规则生成方法。
本发明提供一种终端,包括:处理器及存储器;
所述存储器用于存储计算机程序;
所述处理器用于执行所述存储器存储的计算机程序,以使所述终端执行上述的门磁传感器报警规则生成方法。
最后,本发明提供一种门磁传感器报警规则生成系统,包括上述的终端和预设数量的门磁传感器;
所述门磁传感器用于生成日志数据并发送至所述终端。
如上所述,本发明所述的门磁传感器报警规则生成方法及系统、存储介质及终端,具有以下有益效果:
(1)通过聚类算法实现新的报警规则生成;
(2)提高报警的可信度,实用性强;
(3)避免了误报警带来的不便。
附图说明
图1显示为本发明的门磁传感器报警规则生成方法于一实施例中的流程图;
图2(a)-2(d)显示为本发明的多个报警模型于一实施例中的示意图;
图3(a)-3(d)显示为本发明中报警模型聚类于一实施例中的示意图;
图4(a)-4(d)显示为本发明中多个新的报警模型于一实施例中的示意图;
图5显示为本发明的门磁传感器报警规则生成系统于一实施例中的结构示意图;
图6显示为本发明的终端于一实施例中的结构示意图;
图7显示为本发明的门磁传感器报警规则生成系统于另一实施例中的结构示意图。
元件标号说明
51 获取模块
52 建立模块
53 聚类模块
54 构建模块
61 处理器
62 存储器
71 终端
72 门磁传感器
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
本发明的门磁传感器报警规则生成方法及系统、存储介质及终端通过聚类算法实现新的报警规则生成,可添加到实际的应用场景中,极大地提高了报警的准确率。
如图1所示,于一实施例中,本发明的门磁传感器报警规则生成方法包括以下步骤:
步骤S1、对于预设数量的门磁传感器,获取每个门磁传感器的日志数据。
具体地,所述门磁传感器在工作过程中生成日志数据。所述门磁传感器将所述日志数据发送至终端,以使所述终端能够基于所述日志数据构建报警规则。由于构建报警规则需要建立在众多采样结果上,故在本发明中需获取预设数量的门磁传感器的日志数据。其中,所述门磁传感器和所述终端通过有线或无线方式进行通信。
步骤S2、针对每个门磁传感器,剔除所述日志数据中的异常数据,提取所述门磁传感器的每小时超时时长,并基于所述每小时超时时长建立基于时序的报警模型。
具体地,对于每个门磁传感器,其所生成的日志数据中可能包括有异常数据。为了消除异常数据对报警模型的影响,先需要剔除其中异常数据。其中,可以通过人工手动方式进行剔除,也可以通过预设算法进行剔除。对于本领域技术人员而言,剔除异常数据的算法已经较为成熟,故在此不再赘述。在所述异常数据剔除完毕后,在所述日志数据中提取每小时超时时长。所述每小时超时时长是指在当前小时内门磁传感器检测到门打开时长的报警阈值。也就是说,若当前小时内门磁传感器检测到的门打开时长超过所述每小时超时时长,则发出报警;否则不予处理。最后,获取各个小时的每小时超时时长后,按照时间先后顺序进行排列,构建报警模型。如图2(a)-2(d)所示,针对不同的门磁传感器,对应的报警模型曲线。
步骤S3、对获取的所有报警模型进行聚类。
具体地,聚类试图将数据中的样本划分为若干个通常是不相交的子集,每个子集称为一个“簇”(cluster)。通过这样的划分,每个簇可能对应于一些潜在的概念(类别),如“浅色瓜”“深色瓜”,“有籽瓜”“无籽瓜”,甚至“本地瓜”“外地瓜”等;需要说明的是,这类概念对聚类算法而言事先是未知的,聚类过程仅能自动形成簇结构,簇所对应的概念语义需由使用者来把握和命名。
于本发明一实施例中,基于DBSCAN算法对获取的所有报警模型进行聚类。其中,DBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同,它将簇定义为密度相连的点的最大集合,能够把具有足够高密度的区域划分为簇,并可在噪声的空间数据库中发现任意形状的聚类。其中,基于节点间相似度构建节点相似度连接图,最优轮廓系数调参。样本i到同簇其它样本到平均距离ai。ai表示样本i到簇内不相似度。ai越小,说明样本i越应该被聚类到该簇。如图3(a)-3(d)所示,经过聚类之后,可得到多种聚类模型。
步骤S4、基于聚类得到的每一类别构建新的报警模型。
具体地,针对聚类得到的每一类别构建新的报警模型。在所述新的报警模型中,对于当前小时的每小时超时时长,取该类别中所有报警模型的当前小时的每小时超时时长的众数。当包含有多个众数时,取所述多个众数的中位数。故得到的新的报警模型如图4(a)-4(d)所示。其中,众数是统计学名词,在统计分布上具有明显集中趋势点的数值,代表数据的一般水平(众数可以不存在或多于一个)。因此众数是一组数据中出现次数最多的数值,有时众数在一组数中有好几个。
如图5所示,于一实施例中,本发明的门磁传感器报警规则生成系统包括获取模块51、建立模块52、聚类模块53和构建模块54。
获取模块51用于对于预设数量的门磁传感器,获取每个门磁传感器的日志数据。
具体地,所述门磁传感器在工作过程中生成日志数据。所述门磁传感器将所述日志数据发送至终端,以使所述终端能够基于所述日志数据构建报警规则。由于构建报警规则需要建立在众多采样结果上,故在本发明中需获取预设数量的门磁传感器的日志数据。其中,所述门磁传感器和所述终端通过有线或无线方式进行通信。
建立模块52与获取模块51相连,用于针对每个门磁传感器,剔除所述日志数据中的异常数据,提取所述门磁传感器的每小时超时时长,并基于所述每小时超时时长建立基于时序的报警模型。
具体地,对于每个门磁传感器,其所生成的日志数据中可能包括有异常数据。为了消除异常数据对报警模型的影响,先需要剔除其中异常数据。其中,可以通过人工手动方式进行剔除,也可以通过预设算法进行剔除。对于本领域技术人员而言,剔除异常数据的算法已经较为成熟,故在此不再赘述。在所述异常数据剔除完毕后,在所述日志数据中提取每小时超时时长。所述每小时超时时长是指在当前小时内门磁传感器检测到门打开时长的报警阈值。也就是说,若当前小时内门磁传感器检测到的门打开时长超过所述每小时超时时长,则发出报警;否则不予处理。最后,获取各个小时的每小时超时时长后,按照时间先后顺序进行排列,构建报警模型。如图2所示,针对不同的门磁传感器,对应的报警模型曲线。
聚类模块53与建立模块52相连,用于对获取的所有报警模型进行聚类。
具体地,聚类试图将数据中的样本划分为若干个通常是不相交的子集,每个子集称为一个“簇”(cluster)。通过这样的划分,每个簇可能对应于一些潜在的概念(类别),如“浅色瓜”“深色瓜”,“有籽瓜”“无籽瓜”,甚至“本地瓜”“外地瓜”等;需要说明的是,这类概念对聚类算法而言事先是未知的,聚类过程仅能自动形成簇结构,簇所对应的概念语义需由使用者来把握和命名。
于本发明一实施例中,基于DBSCAN算法对获取的所有报警模型进行聚类。其中,DBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同,它将簇定义为密度相连的点的最大集合,能够把具有足够高密度的区域划分为簇,并可在噪声的空间数据库中发现任意形状的聚类。其中,基于节点间相似度构建节点相似度连接图,最优轮廓系数调参。样本i到同簇其它样本到平均距离ai。ai表示样本i到簇内不相似度。ai越小,说明样本i越应该被聚类到该簇。如图3所示,经过聚类之后,可得到多种聚类模型。
构建模块54与聚类模块53相连,用于基于聚类得到的每一类别构建新的报警模型。
具体地,针对聚类得到的每一类别构建新的报警模型。在所述新的报警模型中,对于当前小时的每小时超时时长,取该类别中所有报警模型的当前小时的每小时超时时长的众数。当包含有多个众数时,取所述多个众数的中位数。故得到的新的报警模型如图4所示。其中,众数是统计学名词,在统计分布上具有明显集中趋势点的数值,代表数据的一般水平(众数可以不存在或多于一个)。因此众数是一组数据中出现次数最多的数值,有时众数在一组数中有好几个。
需要说明的是,应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现,也可以全部以硬件的形式实现,还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如:x模块可以为单独设立的处理元件,也可以集成在上述装置的某一个芯片中实现。此外,x模块也可以以程序代码的形式存储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以上x模块的功能。其它模块的实现与之类似。这些模块全部或部分可以集成在一起,也可以独立实现。这里所述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),一个或多个微处理器(Digital Singnal Processor,简称DSP),一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,如中央处理器(CentralProcessing Unit,简称CPU)或其它可以调用程序代码的处理器。这些模块可以集成在一起,以片上系统(System-on-a-chip,简称SOC)的形式实现。
本发明的存储介质上存储有计算机程序,该程序被处理器执行时实现上述的门磁传感器报警规则生成方法。所述存储介质包括:ROM、RAM、磁碟、U盘、存储卡或者光盘等各种可以存储程序代码的介质。
如图6所示,于一实施例中,本发明的终端包括处理器61及存储器62。
所述存储器62用于存储计算机程序。
所述存储器62包括:ROM、RAM、磁碟、U盘、存储卡或者光盘等各种可以存储程序代码的介质。
所述处理器61与所述存储器62相连,用于执行所述存储器62存储的计算机程序,以使所述终端执行上述的门磁传感器报警规则生成方法。
优选地,所述处理器61可以是通用处理器,包括中央处理器(Central ProcessingUnit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processor,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
如图7所示,于一实施例中,本发明的门磁传感器报警规则生成系统包括上述的终端71和预设数量的门磁传感器72。
所述门磁传感器72与所述终端71相连,用于生成日志数据并发送至所述终端71。
综上所述,本发明的门磁传感器报警规则生成方法及系统、存储介质及终端通过聚类算法实现新的报警规则生成;提高报警的可信度,实用性强;避免了误报警带来的不便。因此,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种门磁传感器报警规则生成方法,其特征在于,包括以下步骤:
对于预设数量的门磁传感器,获取每个门磁传感器的日志数据;
针对每个门磁传感器,剔除所述日志数据中的异常数据,提取所述门磁传感器的每小时超时时长,并基于所述每小时超时时长建立基于时序的报警模型;
对获取的所有报警模型进行聚类;
基于聚类得到的每一类别构建新的报警模型。
2.根据权利要求1所述的门磁传感器报警规则生成方法,其特征在于,基于DBSCAN算法对获取的所有报警模型进行聚类。
3.根据权利要求1所述的门磁传感器报警规则生成方法,其特征在于,针对每一类别建新的报警模型时,所述每小时超时时长取众数。
4.根据权利要求3所述的门磁传感器报警规则生成方法,其特征在于,当包含有多个众数时,取所述多个众数的中位数。
5.一种门磁传感器报警规则生成系统,其特征在于,包括获取模块、建立模块、聚类模块和构建模块;
所述获取模块用于对于预设数量的门磁传感器,获取每个门磁传感器的日志数据;
所述建立模块用于针对每个门磁传感器,剔除所述日志数据中的异常数据,提取所述门磁传感器的每小时超时时长,并基于所述每小时超时时长建立基于时序的报警模型;
所述聚类模块用于对获取的所有报警模型进行聚类;
所述构建模块用于基于聚类得到的每一类别构建新的报警模型。
6.根据权利要求5所述的门磁传感器报警规则生成系统,其特征在于,所述聚类模块基于DBSCAN算法对获取的所有报警模型进行聚类。
7.根据权利要求5所述的门磁传感器报警规则生成系统,其特征在于,所述构建模块针对每一类别建新的报警模型时,所述每小时超时时长取众数;当包含有多个众数时,取所述多个众数的中位数。
8.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1至4中任一项所述的门磁传感器报警规则生成方法。
9.一种终端,其特征在于,包括:处理器及存储器;
所述存储器用于存储计算机程序;
所述处理器用于执行所述存储器存储的计算机程序,以使所述终端执行权利要求1至4中任一项所述的门磁传感器报警规则生成方法。
10.一种门磁传感器报警规则生成系统,其特征在于,包括权利要求9所述的终端和预设数量的门磁传感器;
所述门磁传感器用于生成日志数据并发送至所述终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910439969.1A CN111986419B (zh) | 2019-05-24 | 2019-05-24 | 门磁传感器报警规则生成方法及系统、存储介质及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910439969.1A CN111986419B (zh) | 2019-05-24 | 2019-05-24 | 门磁传感器报警规则生成方法及系统、存储介质及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111986419A CN111986419A (zh) | 2020-11-24 |
CN111986419B true CN111986419B (zh) | 2021-09-07 |
Family
ID=73437579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910439969.1A Active CN111986419B (zh) | 2019-05-24 | 2019-05-24 | 门磁传感器报警规则生成方法及系统、存储介质及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111986419B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1831280B (zh) * | 2005-03-11 | 2010-04-07 | 北京富星创业科技发展有限公司 | 安防门禁管理系统及其工作方法 |
CN102521905B (zh) * | 2011-12-16 | 2014-05-07 | 江苏省电力公司金湖县供电公司 | 变电站智能门禁系统及其控制方法 |
CN103295358A (zh) * | 2013-05-10 | 2013-09-11 | 西安祥泰软件设备系统有限责任公司 | 门禁系统报警的方法和实现该方法的嵌入式主板 |
WO2018204020A1 (en) * | 2017-05-01 | 2018-11-08 | Johnson Controls Technology Company | Building security system with false alarm reduction |
CN207867581U (zh) * | 2018-02-27 | 2018-09-14 | 丹东华通测控有限公司 | 一种区域联动门禁控制系统 |
CN109584415B (zh) * | 2018-11-21 | 2021-05-28 | 深圳市远望谷锐泰科技有限公司 | 一种基于rfid的智能门禁控制系统与方法 |
-
2019
- 2019-05-24 CN CN201910439969.1A patent/CN111986419B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111986419A (zh) | 2020-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Amini et al. | On density-based data streams clustering algorithms: A survey | |
Aggarwal et al. | A framework for clustering uncertain data streams | |
CN107979431B (zh) | 基于黎曼中值的频谱感知的方法、装置以及设备 | |
CN103870751A (zh) | 入侵检测方法及系统 | |
CN113645232A (zh) | 一种面向工业互联网的智能化流量监测方法、系统及存储介质 | |
CN111866196B (zh) | 一种域名流量特征提取方法、装置、设备及可读存储介质 | |
CN109450671B (zh) | 一种日志多组合告警归类方法及系统 | |
CN106294824B (zh) | 制造物联网面向不确定数据流的复杂事件检测方法及系统 | |
CN105376193A (zh) | 安全事件的智能关联分析方法与装置 | |
CN111860692A (zh) | 一种基于K-mediod的物联网环境下的异常数据检测方法 | |
CN112690761B (zh) | 睡眠状态检测方法、装置、设备及计算机可读介质 | |
CN107465691A (zh) | 基于路由器日志分析的网络攻击检测系统及检测方法 | |
CN112613599A (zh) | 一种基于生成对抗网络过采样的网络入侵检测方法 | |
CN106935038B (zh) | 一种停车检测系统及检测方法 | |
CN112600719A (zh) | 告警聚类方法、装置及存储介质 | |
CN113114618A (zh) | 一种基于流量分类识别的物联网设备入侵检测的方法 | |
CN111986419B (zh) | 门磁传感器报警规则生成方法及系统、存储介质及终端 | |
CN109525339B (zh) | 认知无线电的频谱感知方法、装置、设备以及存储介质 | |
CN113268730B (zh) | 一种基于强化学习的智能电网虚假数据注入攻击检测方法 | |
CN113901441A (zh) | 一种用户异常请求检测方法、装置、设备及存储介质 | |
CN114598719A (zh) | 智慧城市物联事件管理方法、装置及可读介质 | |
Czúni et al. | Time domain audio features for chainsaw noise detection using WSNs | |
CN113094448A (zh) | 住宅空置状态的分析方法及分析装置、电子设备 | |
CN117294497A (zh) | 一种网络流量异常检测方法、装置、电子设备及存储介质 | |
CN116520288A (zh) | 一种激光点云测距数据的去噪方法和系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |