-
公开(公告)号：CN111507376A
公开(公告)日：2020-08-07
申请号：CN202010200442.6
申请日：2020-03-20
Applicant: 厦门大学
Abstract: 一种基于多种无监督方法融合的单指标异常检测方法，涉及智能运维异常检测领域。包括以下步骤：1)提取分析数据：将存储在数据库中的数据，按分钟级取数，并返回所需的数据格式；2)对步骤1)提取的数据采用无监督方法进行初步把关筛选，从海量的数据中以较大把握过滤筛选出一批正常数据集输出为正常，其余样本输出为疑似异常；3)训练模型：对于步骤2)中识别出的正常样本构建模型；4)进行模型的评估；5)输出最终的模型，部署在线上模块进行实时的异常检测。不仅能够解决传统异常检测方法效率低的问题，还能够在与新的有监督方法的对比中占据优势，达到较高的识别精度。既满足效率方面的要求，又能够节省人力打标的成本。
-
公开(公告)号：CN110232406B
公开(公告)日：2021-07-06
申请号：CN201910450350.0
申请日：2019-05-28
Applicant: 厦门大学
Abstract: 一种基于统计学习的液晶面板CF图片识别方法，涉及图像目标检测领域。将识别液晶板defect问题抽象为图像处理中的目标检测问题和分类问题；探索性数据分析；对图像进行标注，同时将不利于训练的图像删除以免干扰模型；数据预处理；对图像进行数据增强，通过变换原图片进行数据增强，变换方式有将图片进行随机翻转、改变图片颜色等；训练卷积神经网络模型，并针对当前特定问题进行改进，进行模型评估；输出最终模型，对液晶板检测与分类。在预读取之前进行图片乱序：避免在预读取时乱序消耗过多内存空间，同时防止每次更新权重使用的只是某一类数据，提升模型训练过程的稳定性；针对图像特点动态调整学习率：加速收敛过程，降低迭代次数。
-
公开(公告)号：CN111507376B
公开(公告)日：2023-04-28
申请号：CN202010200442.6
申请日：2020-03-20
Applicant: 厦门大学
IPC: G06F18/23 , G06N3/044 , G06N3/0464 , G06N3/08
Abstract: 一种基于多种无监督方法融合的单指标异常检测方法，涉及智能运维异常检测领域。包括以下步骤：1)提取分析数据：将存储在数据库中的数据，按分钟级取数，并返回所需的数据格式；2)对步骤1)提取的数据采用无监督方法进行初步把关筛选，从海量的数据中以较大把握过滤筛选出一批正常数据集输出为正常，其余样本输出为疑似异常；3)训练模型：对于步骤2)中识别出的正常样本构建模型；4)进行模型的评估；5)输出最终的模型，部署在线上模块进行实时的异常检测。不仅能够解决传统异常检测方法效率低的问题，还能够在与新的有监督方法的对比中占据优势，达到较高的识别精度。既满足效率方面的要求，又能够节省人力打标的成本。
-
公开(公告)号：CN110232406A
公开(公告)日：2019-09-13
申请号：CN201910450350.0
申请日：2019-05-28
Applicant: 厦门大学
Abstract: 一种基于统计学习的液晶面板CF图片识别方法，涉及图像目标检测领域。将识别液晶板defect问题抽象为图像处理中的目标检测问题和分类问题；探索性数据分析；对图像进行标注，同时将不利于训练的图像删除以免干扰模型；数据预处理；对图像进行数据增强，通过变换原图片进行数据增强，变换方式有将图片进行随机翻转、改变图片颜色等；训练卷积神经网络模型，并针对当前特定问题进行改进，进行模型评估；输出最终模型，对液晶板检测与分类。在预读取之前进行图片乱序：避免在预读取时乱序消耗过多内存空间，同时防止每次更新权重使用的只是某一类数据，提升模型训练过程的稳定性；针对图像特点动态调整学习率：加速收敛过程，降低迭代次数。
-
-
-
Search Results
4
records
(took 0.023 seconds)
