文档详情

一种基于无监督自适应权重的心脏数据异常检测方法.pdf

发布：2023-05-10约1.48万字共12页下载文档

文本预览下载声明

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114548281 A (43)申请公布日 2022.05.27 (21)申请号 202210168082.5 G06V 10/82 (2022.01) (22)申请日 2022.02.

显示全部

相似文档

一种基于动态自适应权重损失的防震锤缺陷检测方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114550011 A (43)申请公布日 2022.05.27 (21)申请号 202210075108.1 G06V 10/82 (2022.01)
2023-05-08 约2.93万字 22页立即下载
一种基于单分类算法的无监督机器异常声检测方法和装置.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114462475 A (43)申请公布日 2022.05.10 (21)申请号 202111575693.3 (22)申请日 2021.12.21 (71)申请人南京邮电大学地址 210046
2023-05-06 约1.68万字 15页立即下载
一种基于三分支孪生网络的无监督视频异常检测方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114565785 A (43)申请公布日 2022.05.31 (21)申请号 202210066191.6 G06N 3/08 (2006.01) (22)申请日 2022.01.2
2023-05-09 约2.25万字 16页立即下载
一种基于潜在特征分解的无监督异常检测方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114565023 A (43)申请公布日 2022.05.31 (21)申请号 202210112132.8 (22)申请日 2022.01.28 (71)申请人北京邮电大学地址 100876
2023-05-07 约2.11万字 16页立即下载
一种基于自监督学习的异常图像检测方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113344875 A (43)申请公布日 2021.09.03 (21)申请号 202110631682.6 (22)申请日 2021.06.07 (71)申请人武汉象点科技有限公司
2023-06-16 约1.25万字 11页立即下载
基于自监督学习的时序数据异常检测方法研究.docx 基于自监督学习的时序数据异常检测方法研究一、引言在各种实际应用场景中，时序数据异常检测一直是一项重要且具有挑战性的任务。这种问题常常涉及到对大规模、高维度的数据进行实时监控，以发现任何可能的异常或偏离正常模式的行为。自监督学习作为一种新兴的机器学习方法，在处理时序数据异常检测问题上具有独特的优势。本文将详细探讨基于自监督学习的时序数据异常检测方法，以期提供一种更为有效、自动化的异常检测方案。二、时序数据异常检测问题的背景与意义时序数据广泛存在于许多领域，如物联网（IoT）、金融、医疗等。这些数据通常具有连续性、动态性和复杂性等特点，因此对异常的检测和识别显得尤为重要。异常检测不仅可以用
2025-03-05 约5.13千字 10页立即下载
基于自适应聚类和验证的异常数据检测方法研究.docx 基于自适应聚类和验证的异常数据检测方法研究一、引言在大数据时代，数据处理与分析变得日益重要。异常数据检测作为数据预处理的关键环节，对于提高数据质量和后续的数据分析具有重要作用。本文提出了一种基于自适应聚类和验证的异常数据检测方法，旨在提高异常数据检测的准确性和效率。二、相关文献综述近年来，异常数据检测方法得到了广泛的研究。传统的异常数据检测方法主要包括基于统计的方法、基于距离的方法和基于密度的方法等。然而，这些方法往往无法适应不同领域和场景的需求，且对于复杂数据集的检测效果并不理想。近年来，聚类算法在异常数据检测中得到了广泛应用，但传统的聚类算法往往需要预先设定聚类数量和初始参数，这限
2025-06-09 约4.39千字 9页立即下载
基于无监督学习的网络异常检测方法.docx PAGE 1- 基于无监督学习的网络异常检测方法 一、1.无监督学习概述 (1)无监督学习是机器学习领域的一个重要分支，它主要关注于从未标记的数据中提取模式、结构或特征。与监督学习不同，无监督学习不需要预先标注的训练数据，而是通过算法自动从数据中学习到潜在的模式。这种学习方式在数据挖掘、图像处理、自然语言处理等领域有着广泛的应用。据统计，无监督学习在2019年全球人工智能应用市场中所占份额已达到25%，并且这一比例还在持续增长。 (2)无监督学习的主要方法包括聚类、降维和关联规则挖掘等。聚类算法如K-means、层次聚类和DBSCAN等，可以将数据点分组，使得同一组内的数据点具有较高的相似度，
2025-01-21 约3.16千字 6页立即下载
一种基于数据挖掘的异常检测方法及系统.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号CN117807545A (43)申请公布日2024.04.02 (21)申请号202410217100.3 (22)申请日2024.02.28 (71)申请人广东优信无限网络股份有限公司地址
2024-04-02 约2.21万字 20页立即下载
一种基于蒸馏机制的数据异常检测方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114462617 A (43)申请公布日 2022.05.10 (21)申请号 202111571914.X (22)申请日 2021.12.21 (71)申请人北京理工大学地址 100081
2023-05-04 约8.74千字 8页立即下载
一种基于数据增强的分布外异常样本检测方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113392890 A (43)申请公布日 2021.09.14 (21)申请号 202110635014.0 (22)申请日 2021.06.08 (71)申请人南京大学地址 21
2023-06-20 约5.43千字 6页立即下载
自监督点云异常检测：基于点云重构的自监督方法.docx 自监督点云异常检测：基于点云重构的自监督方法 目录内容简述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2 1.1研究背景．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2 1.2研究意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3 1.3文献综述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4 1.3.1点云异常检测概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5
2025-03-16 约1.79万字 26页立即下载
一种基于KNN半监督学习模型的网络流量异常检测方法与系统[发明专利].docx PAGE 1- 一种基于KNN半监督学习模型的网络流量异常检测方法与系统[发明专利] 一、背景与意义随着互联网技术的飞速发展，网络已经成为现代社会不可或缺的一部分。网络流量的异常检测对于保障网络安全、预防网络攻击以及维护网络稳定具有重要意义。近年来，网络攻击手段日益复杂，传统的基于规则或特征的方法在处理未知或新型攻击时存在局限性。因此，研究一种高效、准确的网络流量异常检测方法成为网络安全领域的研究热点。半监督学习作为一种机器学习方法，能够在只有少量标记样本的情况下，通过利用大量未标记样本的信息来提高学习模型的性能。K最近邻（K-NearestNeighbors，KNN）算法作为一种经典的分
2025-01-21 约2.76千字 5页立即下载
一种基于CR-Deeplab的异常检测方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号CN117422695A (43)申请公布日2024.01.19 (21)申请号202311477998.XG06V10/44(2022.01)
2024-01-18 约2.11万字 19页立即下载
一种业务数据的异常检测方法及装置.pdf (19)中华人民共和国国家知识产权局 (12)发明专利 (10)授权公告号 CN 112800116 B (45)授权公告日 2021.07.09 (21)申请号 202110376237.X G06K 9/62 (2006.01) (22)申请日 2
2023-06-02 约3.05万字 24页立即下载