CN114358062B - 一种基于形式概念分析的黄河岸坝险情识别方法 - Google Patents
一种基于形式概念分析的黄河岸坝险情识别方法 Download PDFInfo
- Publication number
- CN114358062B CN114358062B CN202111586771.XA CN202111586771A CN114358062B CN 114358062 B CN114358062 B CN 114358062B CN 202111586771 A CN202111586771 A CN 202111586771A CN 114358062 B CN114358062 B CN 114358062B
- Authority
- CN
- China
- Prior art keywords
- concept
- yellow river
- identified
- river bank
- warning
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000012544 monitoring process Methods 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 3
- 230000002265 prevention Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Landscapes
- Alarm Systems (AREA)
Abstract
本发明涉及基于一种基于形式概念分析的黄河岸坝险情识别方法，属于数据处理技术领域。方法包括以下步骤：(1)获取黄河岸坝的历史告警、预警和虚警信息以及对应时间段内的黄河岸坝监测传感器发出的信号；(2)构建形式背景；(3)利用形式概念分析的方法对所述形式背景进行处理生成多个概念；(4)计算各概念中告警、预警和虚警的概率；(5)对待识别时间段内的黄河岸坝监测传感器发出的信号进行处理，将处理结果与步骤(3)中生成的概念的内涵进行匹配，根据匹配的概念中告警、预警和虚警的概率计算所述待识别的黄河岸坝监测传感器发出的信号为告警、预警和虚警信号的概率。本发明实现了对黄河岸坝险情的可靠识别。
Description
技术领域
本发明涉及数据处理技术领域，具体涉及一种基于形式概念分析的黄河岸坝险情识别方法。
背景技术
黄河作为我国的第二大河流，其防汛工作一直是重点，如何建立起一套科学的、可靠的防汛系统也一直是黄河防汛的难点。形势概念分析(Formal Concept Analysis，FCA)是一种有效的数据处理、分析工具。目前已经广泛的应用于数据分析、知识发现、规则提取、概念认知等领域。概念格作为形势概念分析的可视化工具，在形势概念分析中发挥着重大作用。将概念格与黄河岸坝险情监测数据相结合，对于黄河岸坝险情的数据分类处理、分析具有重要作用。
发明内容
为了解决现有技术中无法实现对黄河岸坝险情的可靠识别的问题，本发明提供了一种基于形式概念分析的黄河岸坝险情识别方法的技术方案，包括以下步骤：
(1)获取黄河岸坝的历史告警、预警和虚警信息以及对应时间段内的黄河岸坝监测传感器发出的信号；
(2)对所述黄河岸坝的历史告警、预警和虚警信息以及对应时间段内的黄河岸坝监测传感器发出的信号进行处理，构建形式背景；
(3)利用形式概念分析的方法对所述形式背景进行处理生成多个概念；
(4)统计各概念的外延中告警、预警和虚警的占比，计算各概念中告警、预警和虚警的概率；
(5)对待识别时间段内的黄河岸坝监测传感器发出的信号进行处理，将处理结果与步骤(3)中生成的概念的内涵进行匹配，根据匹配的概念中告警、预警和虚警的概率计算所述待识别的黄河岸坝监测传感器发出的信号为告警、预警和虚警信号的概率。
有益效果：本发明通过对历史数据的分析、处理，利用形势概念分析的方式进行建模，并以此模型为基础来对传感器信息进行分析、处理、识别，降低了误报警的概率，降低了人工成本，提高了系统的效率。
进一步地，所述步骤(2)中对所述黄河岸坝的历史警示信息和对应时间段内的黄河岸坝监测传感器发出的信号进行处理，构建形式背景，包括：
按照多个设定条件对所述对应的黄河岸坝监测传感器发出的信号进行统计，统计方式为：判断各告警、预警或虚警信息是否满足各设定条件，若满足，则将对应条件记为1；若不满足，则将对应条件记为0；
以各设定条件为属性，以各警示信息为对象，以0和1为对象与属性之间的映射关系构造形式背景。
进一步地，所述利用形式概念分析的方法对所述形式背景进行处理生成多个概念，包括：
分别用不同的英文小字母代替不同的设定条件，将各英文小写字母记为形式概念分析中的属性；
按照预设方式对属性进行组合和排序，得到字典序序列；
根据字典序序列中的排序结果，依次计算f(g(x))，判断f(g(x))是否等于x，若相等，则判定x为概念内涵，记录并保存所有的x，其中x为经过排序后的属性集合；在形式背景(G、M、I)中，G为对象集，M为属性集，I为G与M之间的关系，定义：
对于保存的所有x，在形式背景中计算g(x)，将(g(x)，x)记为形势概念分析中的概念。
进一步地，所述按照预设方式对属性进行组合和排序，得到字典序序列，包括：
根据不同英文小字母在英文字母表中的先后顺序定义不同英文小写字母之间的大小关系；
根据所述大小关系对属性进行全排列，剔除掉属性集合中大小顺序不按照从小到大的属性集合；
对于任意两属性集合，定义：如果使得A∩{a、b...i-1}＝B∩{a、b...i-1}，那么A＜B，其中A为某一属性集合，B为另一属性集合，a为英文字母表中第1个出现的英文小写字母，b为英文字母表中第2个出现的英文小写字母，i为B-A中的某一英文小写字母，i-1为英文字母表中i对应的前一个英文小写字母；
将所有的属性集合按照从小到大的顺序进行排序，得到字典序序列。
进一步地，所述对待识别时间段内的黄河岸坝监测传感器发出的信号进行处理，包括：
按照所述多个设定条件对待识别时间段内的黄河岸坝监测传感器发出的信号进行统计，统计方式为：判断待识别时间段内的黄河岸坝监测传感器发出的信号是否满足各设定条件，若满足，则将对应条件记为1；若不满足，则将对应条件记为0；
将各设定条件按照对应的英文小字母形式进行保存，根据判断结果得到与待识别时间段内的黄河岸坝监测传感器发出的信号对应属性集合，记为待识别对象对应的属性集合。
进一步地，所述将处理结果与步骤(3)中生成的概念的内涵进行匹配，根据匹配的概念中警示的概率计算所述待识别时间段内的黄河岸坝监测传感器发出的信号是警示信号的概率，包括：
在步骤(3)生成的多个概念中寻找与所述待识别对象对应的属性集合相同的概念内涵，若存在与所述待识别对象对应的属性集合相同的概念内涵，则将对应概念中告警、预警和虚警的概率记为所述待识别时间段内的黄河岸坝监测传感器发出的信号为告警、预警和虚警的概率。
进一步地，若不存在与所述待识别对象对应的属性集合相同的概念内涵，则在步骤(3)生成的多个概念中寻找概念内涵为所述待识别对象对应的属性集合的子集的概念，计算为所述待识别对象对应的属性集合的子集的概念内涵与所述待识别对象对应的对象属性集合的相似度，将相似度最高的概念内涵对应的概念中告警、预警和虚警的概率记为所述待识别时间段内的黄河岸坝监测传感器发出的信号为告警、预警和虚警的概率。
进一步地，若不存在与所述待识别对象对应的属性集合相同的概念内涵，则在步骤(3)生成的多个概念中寻找概念内涵为所述待识别对象对应的属性集合的子集的概念，计算为所述待识别对象对应的属性集合的子集的各概念内涵与所述待识别对象对应的对象属性集合的相似度；根据所述相似度计算所述待识别时间段内的黄河岸坝监测传感器发出的信号为告警、预警和虚警的概率。
附图说明
图1是本发明的基于形式概念分析的黄河岸坝险情识别方法流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更清楚，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介绍。
本发明的目的在将概念格与黄河岸坝险情监测数据相结合，以实现对黄河岸坝险情的可靠识别。具体地，如图1所示，本实施例的基于形式概念分析的黄河岸坝险情识别方法包括以下步骤：
(1)获取黄河岸坝的历史告警、预警和虚警信息以及对应时间段内的黄河岸坝监测传感器发出的信号；
现有的黄河岸坝险情监测预警告警系统包括数量庞大的黄河岸坝监测传感器，这些传感器平时不产生信号，一旦产生了信号就说明出了问题。本实施例旨在根据这些传感器产生的信号判断是否真的出现了告警或者预警或者虚警。
本实施从原始数据中随机挑选一批包含告警、预警、虚警信息的数据。对上述挑选出数据进行筛选，剔除掉传感器信号不完整的信息数据，获取剩余数据中距离首条传感器信号十分钟内的所有传感器信号。
(2)所述黄河岸坝的历史告警、预警和虚警信息以及对应时间段内的黄河岸坝监测传感器发出的信号进行处理，构建形式背景；
本实施例按以下条件对首条信号产生后十分钟内的信号进行统计：五秒钟内产生一条信号(条件A)、五秒钟内产生两条信号(条件B)、五秒钟内产生三条信号(条件C)、十秒钟内产生一条信号(条件D)、十秒钟内产生两条信号(条件E)、十秒钟内产生三条信号(条件F)、三十秒钟内产生一条信号(条件G)、三十秒钟内产生两条信号(条件H)、三十秒钟内产生三条信号(条件I)、一分钟内产生一条信号(条件J)、一分钟内产生两条条信号(条件K)、一分钟内产生三条信号(条件L)、五分钟内产生一条信号(条件M)、五分钟内产生两条信号(条件N)、五分钟内产生三条信号(条件O)、十分钟内产生一条信号(条件P)、十分钟内产生两条条信号(条件Q)、十分钟内产生三条信号(条件R)。
统计方式为记录各条告警、预警、虚警信息是否满足上述条件，若满足则对应条件记为1，不满足则记为0。注：首条信号计入统计。
以上述条件为属性、以各警示信息为对象、以上述0、1为对象与属性之间的映射关系来构造形式背景。
举例说明：
信息1为：对应的信号为五秒钟之内产生了1条信号，之后未再产生信号。
信息2为：对应的信号为五秒钟之内连续产生了2条信号，之后未再产生信号。
信息3为：对应的信号为五秒钟之内产生了1条信号，两分钟之后再次产生一条信号。
则信息1对应满足的条件为：五秒钟内产生一条信号，十秒钟内产生一条信号，三十秒钟内产生一条信号，一分钟内产生一条信号，五分钟内产生一条信号，十分钟内产生一条信号。
信息2对应满足的条件为：五秒钟内产生两条信号，十秒钟内产生两条信号，三十秒钟内产生两条信号，一分钟内产生两条信号，五分钟内产生两条信号，十分钟内产生两条信号。
信息3对应满足的条件为：五秒钟内产生一条信号，十秒钟内产生一条信号，三十秒钟内产生一条信号，一分钟内产生一条信号，五分钟内产生两条信号，十分钟内产生两条信号。
那么上述三条信息所形成的形式背景如表1所示。
表1
| A | B | C | D | E | F | G | H | I | J | K | L | M | N | O | P | Q | R | |
| 1 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 |
| 2 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 0 |
| 3 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 |
(3)利用形式概念分析的方法对所述形式背景进行处理生成多个概念；
本实施例中分别用a、b、c...代替上述条件，a、b、c即为形势概念分析中的属性。令a<b<c...以此为属性间的大小关系。
对属性进行全排列，剔除掉属性集合中大小顺序不按照从小到大的属性集合，例：由a、b、c所组成的属性集合应为abc而不是acb。
对于属性集合A、B，定义使得A∩{a、b...i-1}＝B∩{a、b...i-1}。
将所有的属性集合按照上述定义进行排序，得到从小到大的顺序成为字典序。
根据上述排序结果，依次计算f(g(x))，判断f(g(x))是否等于x，若相等则x为概念内涵，记录并保存所有的x，其中x为经过C2排序的属性集合。
关于f、g操作有以下定义：
在形式背景(G、M、I)中，G为对象集，M为属性集，I为G与M之间的关系。有以下定义：
(A中对象共同拥有的属性的集合)
(具有B中所有属性的对象的集合)
对于保存的所有x，在上述形式背景中计算g(x)，则(g(x)，x)即为形势概念分析中的概念。例如(13，ADGJ)这样的二元组称之为概念，其中13称为概念外延、ADGJ称为概念内涵。
(4)统计各概念的外延中告警、预警和虚警的占比，计算各概念中告警、预警和虚警的概率；
对于上述得到的概念，统计各个概念外延中告警、预警、虚警的数量。
根据各个概念外延中告警、预警、虚警的数量计算各个概念的外延中告警、预警和虚警的占比，将对应占比记为各个概念中告警、预警、虚警的概率。
(5)对待识别时间段内的黄河岸坝监测传感器发出的信号进行处理，将处理结果与步骤(3)中生成的概念的内涵进行匹配，根据匹配的概念中告警、预警和虚警的概率计算所述待识别的黄河岸坝监测传感器发出的信号为告警、预警和虚警信号的概率。
本实施例收集新生成的十分钟内所有的传感器信号，也即待识别时间段内的黄河岸坝监测传感器发出的信号，按照上述条件对该信号进行统计，对统计结果按照步骤(2)的方式对其进行记录，同时将条件按照a、b、c的形式进行保存，根据判断结果得到得到的结果为一条包含属性的对象。
寻找与该条对象属性集合相同的概念内涵，若存在概念的概念内涵与该对象的属性集合相同，则对应概念中告警、预警、虚警的概率即为该对象是告警、预警、虚警的概率。若不存在概念的概念内涵与该对象的属性集合相同，则进入如下过程：
寻找概念内涵是该对象属性集合的子集的概念，计算概念内涵与该对象属性集合的相似度，保留相似度最高的一个或多个概念。相似度计算方法为：S(A)/S(B)，其中S(A)为概念中包含的属性个数，S(B)为该对象中的属性个数。若只保留相似度最高的一个，将相似度最高的概念内涵对应的概念中告警、预警和虚警的概率记为该对象为告警、预警和虚警的概率；若保留了相似度较高的多个，则根据加权求和公式计算该对象为告警、预警、虚警的概率；加权求和公式中各概念对应的权重与其对应的相似度成正相关关系，加权求和计算公式为现有技术，此处不再赘述。
本实施例通过对历史数据的分析、处理，利用形势概念分析的方式进行建模，并以此模型为基础来对传感器信息进行分析、处理、识别，降低了误报警的概率，降低了人工成本，提高了系统的效率。
需要说明的是，尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
Claims (5)
1.一种基于形式概念分析的黄河岸坝险情识别方法，其特征在于，包括以下步骤：
(1)获取黄河岸坝的历史告警、预警和虚警信息以及对应时间段内的黄河岸坝监测传感器发出的信号；
(2)对所述黄河岸坝的历史告警、预警和虚警信息以及对应时间段内的黄河岸坝监测传感器发出的信号进行处理，构建形式背景；
(3)利用形式概念分析的方法对所述形式背景进行处理生成多个概念；
(4)统计各概念的外延中告警、预警和虚警的占比，计算各概念中告警、预警和虚警的概率；
(5)对待识别时间段内的黄河岸坝监测传感器发出的信号进行处理，将处理结果与步骤(3)中生成的概念的内涵进行匹配，根据匹配的概念中告警、预警和虚警的概率计算所述待识别的黄河岸坝监测传感器发出的信号为告警、预警和虚警信号的概率；
所述步骤(2)中对所述黄河岸坝的历史警示信息和对应时间段内的黄河岸坝监测传感器发出的信号进行处理，构建形式背景，包括：
按照多个设定条件对所述对应的黄河岸坝监测传感器发出的信号进行统计，统计方式为：判断各告警、预警或虚警信息是否满足各设定条件，若满足，则将对应条件记为1；若不满足，则将对应条件记为0；
以各设定条件为属性，以各警示信息为对象，以0和1为对象与属性之间的映射关系构造形式背景；
所述利用形式概念分析的方法对所述形式背景进行处理生成多个概念，包括：
分别用不同的英文小字母代替不同的设定条件，将各英文小写字母记为形式概念分析中的属性；
按照预设方式对属性进行组合和排序，得到字典序序列；
根据字典序序列中的排序结果，依次计算f(g(x))，判断f(g(x))是否等于x，若相等，则判定x为概念内涵，记录并保存所有的x，其中x为经过排序后的属性集合；在形式背景(G、M、I)中，G为对象集，M为属性集，I为G与M之间的关系，定义：
对于保存的所有x，在形式背景中计算g(x)，将(g(x)，x)记为形势概念分析中的概念；
所述将处理结果与步骤(3)中生成的概念的内涵进行匹配，根据匹配的概念中警示的概率计算所述待识别时间段内的黄河岸坝监测传感器发出的信号是警示信号的概率，包括：
在步骤(3)生成的多个概念中寻找与所述待识别对象对应的属性集合相同的概念内涵，若存在与所述待识别对象对应的属性集合相同的概念内涵，则将对应概念中告警、预警和虚警的概率记为所述待识别时间段内的黄河岸坝监测传感器发出的信号为告警、预警和虚警的概率。
2.根据权利要求1所述的基于形式概念分析的黄河岸坝险情识别方法，其特征在于，所述按照预设方式对属性进行组合和排序，得到字典序序列，包括：
根据不同英文小字母在英文字母表中的先后顺序定义不同英文小写字母之间的大小关系；
根据所述大小关系对属性进行全排列，剔除掉属性集合中大小顺序不按照从小到大的属性集合；
对于任意两属性集合，定义：如果使得A∩{a、b...i-1}＝B∩{a、b...i-1}，那么A＜B，其中A为某一属性集合，B为另一属性集合，a为英文字母表中第1个出现的英文小写字母，b为英文字母表中第2个出现的英文小写字母，i为B-A中的某一英文小写字母，i-1为英文字母表中i对应的前一个英文小写字母；
将所有的属性集合按照从小到大的顺序进行排序，得到字典序序列。
3.根据权利要求2所述的基于形式概念分析的黄河岸坝险情识别方法，其特征在于，所述对待识别时间段内的黄河岸坝监测传感器发出的信号进行处理，包括：
按照所述多个设定条件对待识别时间段内的黄河岸坝监测传感器发出的信号进行统计，统计方式为：判断待识别时间段内的黄河岸坝监测传感器发出的信号是否满足各设定条件，若满足，则将对应条件记为1；若不满足，则将对应条件记为0；
将各设定条件按照对应的英文小字母形式进行保存，根据判断结果得到与待识别时间段内的黄河岸坝监测传感器发出的信号对应属性集合，记为待识别对象对应的属性集合。
4.根据权利要求1所述的基于形式概念分析的黄河岸坝险情识别方法，其特征在于，若不存在与所述待识别对象对应的属性集合相同的概念内涵，则在步骤(3)生成的多个概念中寻找概念内涵为所述待识别对象对应的属性集合的子集的概念，计算为所述待识别对象对应的属性集合的子集的概念内涵与所述待识别对象对应的对象属性集合的相似度，将相似度最高的概念内涵对应的概念中告警、预警和虚警的概率记为所述待识别时间段内的黄河岸坝监测传感器发出的信号为告警、预警和虚警的概率。
5.根据权利要求1所述的基于形式概念分析的黄河岸坝险情识别方法，其特征在于，若不存在与所述待识别对象对应的属性集合相同的概念内涵，则在步骤(3)生成的多个概念中寻找概念内涵为所述待识别对象对应的属性集合的子集的概念，计算为所述待识别对象对应的属性集合的子集的各概念内涵与所述待识别对象对应的对象属性集合的相似度；根据所述相似度计算所述待识别时间段内的黄河岸坝监测传感器发出的信号为告警、预警和虚警的概率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111586771.XA CN114358062B (zh) | 2021-12-23 | 2021-12-23 | 一种基于形式概念分析的黄河岸坝险情识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111586771.XA CN114358062B (zh) | 2021-12-23 | 2021-12-23 | 一种基于形式概念分析的黄河岸坝险情识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114358062A CN114358062A (zh) | 2022-04-15 |
| CN114358062B true CN114358062B (zh) | 2024-07-12 |
Family
ID=81102266
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111586771.XA Active CN114358062B (zh) | 2021-12-23 | 2021-12-23 | 一种基于形式概念分析的黄河岸坝险情识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114358062B (zh) |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106250371A (zh) * | 2008-08-29 | 2016-12-21 | 启创互联公司 | 用于利用现有的域定义来进行语义概念定义和语义概念关系综合的系统和方法 |
| CN104239437B (zh) * | 2014-08-28 | 2017-12-15 | 国家电网公司 | 一种面向电网调度的智能告警分析方法 |
| CN107391584B (zh) * | 2017-06-22 | 2020-12-11 | 中南大学 | 基于形式概念格的分面搜索方法及系统 |
| CN111026862B (zh) * | 2019-12-10 | 2022-09-13 | 陕西师范大学 | 一种基于形式概念分析技术的增量式实体摘要方法 |
| CN111274285A (zh) * | 2020-01-15 | 2020-06-12 | 上海观安信息技术股份有限公司 | 一种基于信息论的告警关联方法 |
-
2021
- 2021-12-23 CN CN202111586771.XA patent/CN114358062B/zh active Active
Non-Patent Citations (1)
| Title |
|---|
| 基于概念格的煤矿瓦斯数据融合预警研究;谢丽明;李建民;;计算机工程与设计;20101116(第21期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114358062A (zh) | 2022-04-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108874927B (zh) | 基于超图和随机森林的入侵检测方法 | |
| Friedman | On multivariate goodness-of-fit and two-sample testing | |
| CN111798312A (zh) | 一种基于孤立森林算法的金融交易系统异常识别方法 | |
| CN114221790A (zh) | 一种基于图注意力网络的bgp异常检测方法及系统 | |
| CN110837874A (zh) | 基于时间序列分类的业务数据异常检测方法 | |
| CN113205134A (zh) | 一种网络安全态势预测方法及系统 | |
| CN113067798A (zh) | Ics入侵检测方法、装置、电子设备和存储介质 | |
| CN116843955A (zh) | 一种基于计算机视觉的微生物分类识别方法和系统 | |
| CN115330368A (zh) | 集成无监督机器学习的区块链异常交易识别方法及系统 | |
| CN114358062B (zh) | 一种基于形式概念分析的黄河岸坝险情识别方法 | |
| CN113515450A (zh) | 一种环境异常检测方法和系统 | |
| CN108243058B (zh) | 一种基于告警定位故障的方法和装置 | |
| CN118233135A (zh) | 一种基于隔离森林算法的网络流量异常检测方法 | |
| CN115438239A (zh) | 一种自动化异常样本筛选的异常检测方法及装置 | |
| CN116883128A (zh) | 洗钱团伙的挖掘方法、装置、电子设备及计算机存储介质 | |
| CN116645329A (zh) | 一种仪器仪表柜的异常监测方法 | |
| CN114359716B (zh) | 一种基于多遥感火指数自动化集成的火烧迹地制图方法 | |
| CN114330504B (zh) | 基于Sketch的网络恶意流量检测方法 | |
| CN113986863A (zh) | 一种云平台错误日志分类的方法、装置、设备及可读介质 | |
| CN111552808A (zh) | 一种基于卷积神经网络的行政违法案由预测方法及工具 | |
| CN117411674B (zh) | 一种基于生成扩散的工业互联网异常流量检测方法及检测系统 | |
| CN117997650B (zh) | 一种基于人工智能的攻击检测系统 | |
| CN114625786B (zh) | 一种基于风控技术的动态数据挖掘方法及系统 | |
| CN113901452B (zh) | 一种基于信息熵的子图模糊匹配安全事件识别方法 | |
| CN117749477B (zh) | 一种基于生成对抗网络的网络流量异常检测方法 |
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 |