一种基于机器学习的充电桩选址方法

    公开(公告)号:CN112561322B

    公开(公告)日:2023-04-18

    申请号:CN202011475786.4

    申请日:2020-12-14

    Abstract: 本发明公开了一种基于机器学习的充电桩选址方法,其特征在于,包括线上模型识别单元、线下模型识别单元和反馈优化单元;为了实现充电桩选址的智能决策,本发明将对已建成的充电桩数据进行分析,获取其属性特征如各时间段的人流量、车流量、区域属性等特征,将此数据与充电桩的使用频率、使用时段进行关联分析,建立机器学习算法分类模型;同时考虑到已建成的充电桩数据偏少,本发明还将利用未建充电桩的地址及其属性特征,与已建成的充电桩数据结合,利用tri‑traing算法,将无标签的数据充分学习利用,从而来提升模型的准确率,达到实际运用的性能。

    一种基于机器学习的充电桩选址方法

    公开(公告)号:CN112561322A

    公开(公告)日:2021-03-26

    申请号:CN202011475786.4

    申请日:2020-12-14

    Abstract: 本发明公开了一种基于机器学习的充电桩选址方法,其特征在于,包括线上模型识别单元、线下模型识别单元和反馈优化单元;为了实现充电桩选址的智能决策,本发明将对已建成的充电桩数据进行分析,获取其属性特征如各时间段的人流量、车流量、区域属性等特征,将此数据与充电桩的使用频率、使用时段进行关联分析,建立机器学习算法分类模型;同时考虑到已建成的充电桩数据偏少,本发明还将利用未建充电桩的地址及其属性特征,与已建成的充电桩数据结合,利用tri‑traing算法,将无标签的数据充分学习利用,从而来提升模型的准确率,达到实际运用的性能。

    一种基于图像识别的充电桩起火检测方法

    公开(公告)号:CN112560944A

    公开(公告)日:2021-03-26

    申请号:CN202011474556.6

    申请日:2020-12-14

    Abstract: 本发明公开一种基于图像识别的充电桩起火检测方法,所述检测方法由两部分组成,第一部分是线下模型训练部分,第二部分是线上模型识别部分,利用卷积神经网络模型预测的方法,即对于一张充电桩的监控图片,等分成N个图片小块,对于所有小块训练卷积神经,分类识别其是否有烟雾,最终利用连通算法得出发生起火的区域坐标,本发明的报警系统上还设有单元反馈模块,所述单元反馈模块在报警系统发出报警信息后,将此次得出的数据反馈至下模型训练部分,提供该火灾烟雾数据,对卷积神经网络模型再次训练,进一步优化卷积神经网络模型,识别能力更加精准。

Patent Agency Ranking