一種變電站工作現(xiàn)場安全分析方法
【專利摘要】本發(fā)明涉及變電站工作現(xiàn)場的安全監(jiān)管技術(shù)，具體是一種變電站工作現(xiàn)場安全分析方法。本發(fā)明解決了現(xiàn)有變電站工作現(xiàn)場的安全監(jiān)管方法監(jiān)管盲區(qū)多、監(jiān)管效率低、監(jiān)管人員工作量大的問題。一種變電站工作現(xiàn)場安全分析方法，該方法是采用如下步驟實(shí)現(xiàn)的：啟動視頻采集設(shè)備；視頻采集設(shè)備實(shí)時(shí)采集變電站工作現(xiàn)場的視頻數(shù)據(jù)，并將采集到的視頻數(shù)據(jù)實(shí)時(shí)發(fā)送至視頻服務(wù)器；視頻服務(wù)器對接收到的視頻數(shù)據(jù)進(jìn)行實(shí)時(shí)辨識，并將辨識結(jié)果實(shí)時(shí)發(fā)送至電腦和中心管理服務(wù)器；電腦對接收到的辨識結(jié)果進(jìn)行實(shí)時(shí)顯示；中心管理服務(wù)器對接收到的視覺辨識結(jié)果進(jìn)行實(shí)時(shí)分析處理，并根據(jù)分析處理結(jié)果建立變電站場景數(shù)據(jù)庫。本發(fā)明適用于變電站工作現(xiàn)場的安全監(jiān)管。
【專利說明】
一種變電站工作現(xiàn)場安全分析方法
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及變電站工作現(xiàn)場的安全監(jiān)管技術(shù)，具體是一種變電站工作現(xiàn)場安全分析方法。
【背景技術(shù)】
[0002]變電站工作現(xiàn)場的安全監(jiān)管是變電站工作中最重要的環(huán)節(jié)，其直接關(guān)系到變電站設(shè)備和工作人員的安全。目前，變電站工作現(xiàn)場的安全監(jiān)管主要是由監(jiān)管人員人為進(jìn)行的。然而，由于工作現(xiàn)場范圍大、工作人員眾多，且監(jiān)管人員數(shù)量十分有限，導(dǎo)致監(jiān)管人員只能以隨機(jī)抽查的方式進(jìn)行監(jiān)管，由此導(dǎo)致監(jiān)管盲區(qū)多、監(jiān)管效率低、監(jiān)管人員工作量大，從而難以保證變電站設(shè)備和工作人員的安全?；诖耍斜匾l(fā)明一種全新的安全監(jiān)管方法，以解決現(xiàn)有變電站工作現(xiàn)場的安全監(jiān)管方法存在的上述問題。

【發(fā)明內(nèi)容】

[0003]本發(fā)明為了解決現(xiàn)有變電站工作現(xiàn)場的安全監(jiān)管方法監(jiān)管盲區(qū)多、監(jiān)管效率低、監(jiān)管人員工作量大的問題，提供了一種變電站工作現(xiàn)場安全分析方法。
[0004]本發(fā)明是采用如下技術(shù)方案實(shí)現(xiàn)的:
一種變電站工作現(xiàn)場安全分析方法，該方法是采用如下步驟實(shí)現(xiàn)的:
啟動視頻米集設(shè)備；
視頻采集設(shè)備實(shí)時(shí)采集變電站工作現(xiàn)場的視頻數(shù)據(jù)，并將采集到的視頻數(shù)據(jù)實(shí)時(shí)發(fā)送至視頻服務(wù)器；
視頻服務(wù)器對接收到的視頻數(shù)據(jù)進(jìn)行實(shí)時(shí)辨識，并將辨識結(jié)果實(shí)時(shí)發(fā)送至電腦和中心管理服務(wù)器；
電腦對接收到的辨識結(jié)果進(jìn)行實(shí)時(shí)顯示；
中心管理服務(wù)器對接收到的視覺辨識結(jié)果進(jìn)行實(shí)時(shí)分析處理，并根據(jù)分析處理結(jié)果建立變電站場景數(shù)據(jù)庫；
中心管理服務(wù)器根據(jù)變電站場景數(shù)據(jù)庫和變電站地圖建立變電站三維可視化模型，并基于變電站三維可視化模型判斷變電站工作現(xiàn)場是否出現(xiàn)異常情況;若變電站工作現(xiàn)場出現(xiàn)異常情況，則異常情況實(shí)時(shí)顯示于變電站三維可視化模型中，由此實(shí)現(xiàn)對變電站工作現(xiàn)場的安全監(jiān)管。
[0005]與現(xiàn)有變電站工作現(xiàn)場的安全監(jiān)管方法相比，本發(fā)明所述的一種變電站工作現(xiàn)場安全分析方法不再由監(jiān)管人員人為進(jìn)行監(jiān)管，而是基于視覺辨識技術(shù)，實(shí)現(xiàn)了對變電站工作現(xiàn)場進(jìn)行全面、高效、智能的安全監(jiān)管，由此徹底消除了監(jiān)管盲區(qū)、大幅提高了監(jiān)管效率、顯著減小了監(jiān)管人員工作量，從而有力保證了變電站設(shè)備和工作人員的安全。
[0006]本發(fā)明有效解決了現(xiàn)有變電站工作現(xiàn)場的安全監(jiān)管方法監(jiān)管盲區(qū)多、監(jiān)管效率低、監(jiān)管人員工作量大的問題，適用于變電站工作現(xiàn)場的安全監(jiān)管。
【附圖說明】
[0007]圖1是本發(fā)明中中心管理服務(wù)器的運(yùn)行流程示意圖。
【具體實(shí)施方式】
[0008]—種變電站工作現(xiàn)場安全分析方法，該方法是采用如下步驟實(shí)現(xiàn)的:
啟動視頻米集設(shè)備；
視頻采集設(shè)備實(shí)時(shí)采集變電站工作現(xiàn)場的視頻數(shù)據(jù)，并將采集到的視頻數(shù)據(jù)實(shí)時(shí)發(fā)送至視頻服務(wù)器；
視頻服務(wù)器對接收到的視頻數(shù)據(jù)進(jìn)行實(shí)時(shí)辨識，并將辨識結(jié)果實(shí)時(shí)發(fā)送至電腦和中心管理服務(wù)器；
電腦對接收到的辨識結(jié)果進(jìn)行實(shí)時(shí)顯示；
中心管理服務(wù)器對接收到的視覺辨識結(jié)果進(jìn)行實(shí)時(shí)分析處理，并根據(jù)分析處理結(jié)果建立變電站場景數(shù)據(jù)庫；
中心管理服務(wù)器根據(jù)變電站場景數(shù)據(jù)庫和變電站地圖建立變電站三維可視化模型，并基于變電站三維可視化模型判斷變電站工作現(xiàn)場是否出現(xiàn)異常情況;若變電站工作現(xiàn)場出現(xiàn)異常情況，則異常情況實(shí)時(shí)顯示于變電站三維可視化模型中，由此實(shí)現(xiàn)對變電站工作現(xiàn)場的安全監(jiān)管。
[0009]所述視頻采集設(shè)備部署于變電站工作現(xiàn)場；
所述視頻服務(wù)器部署于變電站主控室內(nèi)，且視頻服務(wù)器與視頻采集設(shè)備連接；
所述電腦部署于變電站主控室內(nèi)，且電腦通過數(shù)據(jù)線與視頻服務(wù)器連接；
所述中心管理服務(wù)器部署于變電站通信機(jī)房內(nèi)，且中心管理服務(wù)器通過數(shù)據(jù)線與視頻服務(wù)器連接。
[0010]所述視頻服務(wù)器為DS8604SNL-SP視頻服務(wù)器。
[0011]所述電腦為高性能臺式電腦。
[0012]所述中心管理服務(wù)器為iVMS_8320E中心管理服務(wù)器。
[0013]所述中心管理服務(wù)器基于如下流程判斷變電站工作現(xiàn)場是否出現(xiàn)異常情況:
a.建立典型場景多媒體數(shù)據(jù)庫:
首先，確定多媒體數(shù)據(jù)庫的數(shù)據(jù)對象;然后，確定多媒體數(shù)據(jù)庫的典型場景，并保證每一場景的樣本視頻數(shù)據(jù)的種類不少于5個(gè)，同時(shí)保證同類樣本視頻數(shù)據(jù)的數(shù)量不少于100個(gè);所述樣本視頻數(shù)據(jù)的種類包括:變壓器樣本、隔離開關(guān)樣本、入侵行為樣本、異常事件樣本、母線樣本;然后，確定多媒體數(shù)據(jù)庫的層次結(jié)構(gòu);所述層次結(jié)構(gòu)包括:物理存儲層、數(shù)據(jù)描述層、網(wǎng)絡(luò)層、過濾層、用戶層;最后，根據(jù)確定的數(shù)據(jù)對象、典型場景、層次結(jié)構(gòu)，建立典型場景多媒體數(shù)據(jù)庫，并基于典型場景多媒體數(shù)據(jù)庫進(jìn)行多媒體數(shù)據(jù)的存儲和檢索；
b.建立機(jī)器學(xué)習(xí)模型:
首先，分別確定級聯(lián)分類模型中基學(xué)習(xí)器的級聯(lián)策略、學(xué)習(xí)策略、推理算法、置信度閾值設(shè)置方法，并根據(jù)確定結(jié)果建立級聯(lián)分類模型;然后，分別確定概率圖模型的各隨機(jī)變量之間的關(guān)系、有向圖、無向圖、生成或判別模型的選擇方法，并根據(jù)確定結(jié)果建立概率圖模型；然后，分別確定深度學(xué)習(xí)模型中學(xué)習(xí)器的層次、機(jī)制，并根據(jù)確定結(jié)果建立深度學(xué)習(xí)模型;最后，分別對級聯(lián)分類模型、概率圖模型、深度學(xué)習(xí)模型進(jìn)行驗(yàn)證；
C.基于機(jī)器學(xué)習(xí)模型的參數(shù)學(xué)習(xí):
首先，基于典型場景多媒體數(shù)據(jù)庫，進(jìn)行級聯(lián)分類模型的參數(shù)學(xué)習(xí)；然后，基于典型場景多媒體數(shù)據(jù)庫，并采用最大似然估計(jì)法進(jìn)行概率圖模型的參數(shù)學(xué)習(xí)；最后，基于典型場景多媒體數(shù)據(jù)庫，并采用卷積神經(jīng)網(wǎng)絡(luò)算法進(jìn)行深度學(xué)習(xí)模型的參數(shù)學(xué)習(xí)；
d.基于機(jī)器學(xué)習(xí)模型的推斷:
首先，采用決策樹、Boost ing算法、Bagging算法、人工神經(jīng)網(wǎng)絡(luò)算法、支持向量機(jī)算法依次進(jìn)行級聯(lián)分類模型、概率圖模型、深度學(xué)習(xí)模型的有監(jiān)督學(xué)習(xí)；然后，采用聚類分析算法、關(guān)聯(lián)規(guī)則分析算法依次進(jìn)行級聯(lián)分類模型、概率圖模型、深度學(xué)習(xí)模型的無監(jiān)督學(xué)習(xí)；然后，采用粗糙集理論、回歸模型依次進(jìn)行級聯(lián)分類模型、概率圖模型、深度學(xué)習(xí)模型的半監(jiān)督學(xué)習(xí)；最后，根據(jù)學(xué)習(xí)結(jié)果依次進(jìn)行級聯(lián)分類模型、概率圖模型、深度學(xué)習(xí)模型的推斷。
[0014]—種變電站工作現(xiàn)場安全分析系統(tǒng)(該系統(tǒng)用于實(shí)現(xiàn)本發(fā)明所述的一種變電站工作現(xiàn)場安全分析方法)，包括視頻采集設(shè)備、視頻服務(wù)器、電腦、中心管理服務(wù)器;視頻采集設(shè)備與視頻服務(wù)器連接;視頻服務(wù)器分別與電腦和中心管理服務(wù)器連接。
[0015]一種中心管理服務(wù)器(該服務(wù)器用于實(shí)現(xiàn)本發(fā)明所述的一種變電站工作現(xiàn)場安全分析方法)，包括以下模塊:
a.典型場景多媒體數(shù)據(jù)庫建立模塊:
用于確定多媒體數(shù)據(jù)庫的數(shù)據(jù)對象;然后，確定多媒體數(shù)據(jù)庫的典型場景，并保證每一場景的樣本視頻數(shù)據(jù)的種類不少于5個(gè)，同時(shí)保證同類樣本視頻數(shù)據(jù)的數(shù)量不少于100個(gè)；所述樣本視頻數(shù)據(jù)的種類包括:變壓器樣本、隔離開關(guān)樣本、入侵行為樣本、異常事件樣本、母線樣本;然后，確定多媒體數(shù)據(jù)庫的層次結(jié)構(gòu);所述層次結(jié)構(gòu)包括:物理存儲層、數(shù)據(jù)描述層、網(wǎng)絡(luò)層、過濾層、用戶層;最后，根據(jù)確定的數(shù)據(jù)對象、典型場景、層次結(jié)構(gòu)，建立典型場景多媒體數(shù)據(jù)庫，并基于典型場景多媒體數(shù)據(jù)庫進(jìn)行多媒體數(shù)據(jù)的存儲和檢索；
b.機(jī)器學(xué)習(xí)模型建立模塊:
用于分別確定級聯(lián)分類模型中基學(xué)習(xí)器的級聯(lián)策略、學(xué)習(xí)策略、推理算法、置信度閾值設(shè)置方法，并根據(jù)確定結(jié)果建立級聯(lián)分類模型;然后，分別確定概率圖模型的各隨機(jī)變量之間的關(guān)系、有向圖、無向圖、生成或判別模型的選擇方法，并根據(jù)確定結(jié)果建立概率圖模型；然后，分別確定深度學(xué)習(xí)模型中學(xué)習(xí)器的層次、機(jī)制，并根據(jù)確定結(jié)果建立深度學(xué)習(xí)模型；最后，分別對級聯(lián)分類模型、概率圖模型、深度學(xué)習(xí)模型進(jìn)行驗(yàn)證；
c.基于機(jī)器學(xué)習(xí)模型的參數(shù)學(xué)習(xí)模塊:
用于基于典型場景多媒體數(shù)據(jù)庫，進(jìn)行級聯(lián)分類模型的參數(shù)學(xué)習(xí)；然后，基于典型場景多媒體數(shù)據(jù)庫，并采用最大似然估計(jì)法進(jìn)行概率圖模型的參數(shù)學(xué)習(xí)；最后，基于典型場景多媒體數(shù)據(jù)庫，并采用卷積神經(jīng)網(wǎng)絡(luò)算法進(jìn)行深度學(xué)習(xí)模型的參數(shù)學(xué)習(xí)；
d.基于機(jī)器學(xué)習(xí)模型的推斷模塊:
用于采用決策樹、Boosting算法、Bagging算法、人工神經(jīng)網(wǎng)絡(luò)算法、支持向量機(jī)算法依次進(jìn)行級聯(lián)分類模型、概率圖模型、深度學(xué)習(xí)模型的有監(jiān)督學(xué)習(xí)；然后，采用聚類分析算法、關(guān)聯(lián)規(guī)則分析算法依次進(jìn)行級聯(lián)分類模型、概率圖模型、深度學(xué)習(xí)模型的無監(jiān)督學(xué)習(xí)；然后，采用粗糙集理論、回歸模型依次進(jìn)行級聯(lián)分類模型、概率圖模型、深度學(xué)習(xí)模型的半監(jiān)督學(xué)習(xí)；最后，根據(jù)學(xué)習(xí)結(jié)果依次進(jìn)行級聯(lián)分類模型、概率圖模型、深度學(xué)習(xí)模型的推斷。
【主權(quán)項(xiàng)】
1.一種變電站工作現(xiàn)場安全分析方法，其特征在于:該方法是采用如下步驟實(shí)現(xiàn)的: 啟動視頻米集設(shè)備； 視頻采集設(shè)備實(shí)時(shí)采集變電站工作現(xiàn)場的視頻數(shù)據(jù)，并將采集到的視頻數(shù)據(jù)實(shí)時(shí)發(fā)送至視頻服務(wù)器； 視頻服務(wù)器對接收到的視頻數(shù)據(jù)進(jìn)行實(shí)時(shí)辨識，并將辨識結(jié)果實(shí)時(shí)發(fā)送至電腦和中心管理服務(wù)器； 電腦對接收到的辨識結(jié)果進(jìn)行實(shí)時(shí)顯示； 中心管理服務(wù)器對接收到的視覺辨識結(jié)果進(jìn)行實(shí)時(shí)分析處理，并根據(jù)分析處理結(jié)果建立變電站場景數(shù)據(jù)庫； 中心管理服務(wù)器根據(jù)變電站場景數(shù)據(jù)庫和變電站地圖建立變電站三維可視化模型，并基于變電站三維可視化模型判斷變電站工作現(xiàn)場是否出現(xiàn)異常情況;若變電站工作現(xiàn)場出現(xiàn)異常情況，則異常情況實(shí)時(shí)顯示于變電站三維可視化模型中，由此實(shí)現(xiàn)對變電站工作現(xiàn)場的安全監(jiān)管。2.根據(jù)權(quán)利要求1所述的一種變電站工作現(xiàn)場安全分析方法，其特征在于: 所述視頻采集設(shè)備部署于變電站工作現(xiàn)場； 所述視頻服務(wù)器部署于變電站主控室內(nèi)，且視頻服務(wù)器與視頻采集設(shè)備連接； 所述電腦部署于變電站主控室內(nèi)，且電腦通過數(shù)據(jù)線與視頻服務(wù)器連接； 所述中心管理服務(wù)器部署于變電站通信機(jī)房內(nèi)，且中心管理服務(wù)器通過數(shù)據(jù)線與視頻服務(wù)器連接。3.根據(jù)權(quán)利要求1或2所述的一種變電站工作現(xiàn)場安全分析方法，其特征在于:所述視頻服務(wù)器為DS8604SNL-SP視頻服務(wù)器。4.根據(jù)權(quán)利要求1或2所述的一種變電站工作現(xiàn)場安全分析方法，其特征在于:所述電腦為高性能臺式電腦。5.根據(jù)權(quán)利要求1或2所述的一種變電站工作現(xiàn)場安全分析方法，其特征在于:所述中心管理服務(wù)器為iVMS-8320E中心管理服務(wù)器。6.根據(jù)權(quán)利要求1或2所述的一種變電站工作現(xiàn)場安全分析方法，其特征在于:所述中心管理服務(wù)器基于如下流程判斷變電站工作現(xiàn)場是否出現(xiàn)異常情況: a.建立典型場景多媒體數(shù)據(jù)庫: 首先，確定多媒體數(shù)據(jù)庫的數(shù)據(jù)對象;然后，確定多媒體數(shù)據(jù)庫的典型場景，并保證每一場景的樣本視頻數(shù)據(jù)的種類不少于5個(gè)，同時(shí)保證同類樣本視頻數(shù)據(jù)的數(shù)量不少于100個(gè);所述樣本視頻數(shù)據(jù)的種類包括:變壓器樣本、隔離開關(guān)樣本、入侵行為樣本、異常事件樣本、母線樣本;然后，確定多媒體數(shù)據(jù)庫的層次結(jié)構(gòu);所述層次結(jié)構(gòu)包括:物理存儲層、數(shù)據(jù)描述層、網(wǎng)絡(luò)層、過濾層、用戶層;最后，根據(jù)確定的數(shù)據(jù)對象、典型場景、層次結(jié)構(gòu)，建立典型場景多媒體數(shù)據(jù)庫，并基于典型場景多媒體數(shù)據(jù)庫進(jìn)行多媒體數(shù)據(jù)的存儲和檢索； b.建立機(jī)器學(xué)習(xí)模型: 首先，分別確定級聯(lián)分類模型中基學(xué)習(xí)器的級聯(lián)策略、學(xué)習(xí)策略、推理算法、置信度閾值設(shè)置方法，并根據(jù)確定結(jié)果建立級聯(lián)分類模型;然后，分別確定概率圖模型的各隨機(jī)變量之間的關(guān)系、有向圖、無向圖、生成或判別模型的選擇方法，并根據(jù)確定結(jié)果建立概率圖模型；然后，分別確定深度學(xué)習(xí)模型中學(xué)習(xí)器的層次、機(jī)制，并根據(jù)確定結(jié)果建立深度學(xué)習(xí)模型;最后，分別對級聯(lián)分類模型、概率圖模型、深度學(xué)習(xí)模型進(jìn)行驗(yàn)證； C.基于機(jī)器學(xué)習(xí)模型的參數(shù)學(xué)習(xí): 首先，基于典型場景多媒體數(shù)據(jù)庫，進(jìn)行級聯(lián)分類模型的參數(shù)學(xué)習(xí)；然后，基于典型場景多媒體數(shù)據(jù)庫，并采用最大似然估計(jì)法進(jìn)行概率圖模型的參數(shù)學(xué)習(xí)；最后，基于典型場景多媒體數(shù)據(jù)庫，并采用卷積神經(jīng)網(wǎng)絡(luò)算法進(jìn)行深度學(xué)習(xí)模型的參數(shù)學(xué)習(xí)； d.基于機(jī)器學(xué)習(xí)模型的推斷: 首先，采用決策樹、Boos t ing算法、Bagging算法、人工神經(jīng)網(wǎng)絡(luò)算法、支持向量機(jī)算法依次進(jìn)行級聯(lián)分類模型、概率圖模型、深度學(xué)習(xí)模型的有監(jiān)督學(xué)習(xí)；然后，采用聚類分析算法、關(guān)聯(lián)規(guī)則分析算法依次進(jìn)行級聯(lián)分類模型、概率圖模型、深度學(xué)習(xí)模型的無監(jiān)督學(xué)習(xí)；然后，采用粗糙集理論、回歸模型依次進(jìn)行級聯(lián)分類模型、概率圖模型、深度學(xué)習(xí)模型的半監(jiān)督學(xué)習(xí)；最后，根據(jù)學(xué)習(xí)結(jié)果依次進(jìn)行級聯(lián)分類模型、概率圖模型、深度學(xué)習(xí)模型的推斷。7.—種變電站工作現(xiàn)場安全分析系統(tǒng)，該系統(tǒng)用于實(shí)現(xiàn)如權(quán)利要求1所述的一種變電站工作現(xiàn)場安全分析方法，其特征在于:包括視頻采集設(shè)備、視頻服務(wù)器、電腦、中心管理服務(wù)器;視頻采集設(shè)備與視頻服務(wù)器連接;視頻服務(wù)器分別與電腦和中心管理服務(wù)器連接。8.—種中心管理服務(wù)器，該服務(wù)器用于實(shí)現(xiàn)如權(quán)利要求1所述的一種變電站工作現(xiàn)場安全分析方法，其特征在于:包括以下模塊: a.典型場景多媒體數(shù)據(jù)庫建立模塊: 用于確定多媒體數(shù)據(jù)庫的數(shù)據(jù)對象;然后，確定多媒體數(shù)據(jù)庫的典型場景，并保證每一場景的樣本視頻數(shù)據(jù)的種類不少于5個(gè)，同時(shí)保證同類樣本視頻數(shù)據(jù)的數(shù)量不少于100個(gè)；所述樣本視頻數(shù)據(jù)的種類包括:變壓器樣本、隔離開關(guān)樣本、入侵行為樣本、異常事件樣本、母線樣本;然后，確定多媒體數(shù)據(jù)庫的層次結(jié)構(gòu);所述層次結(jié)構(gòu)包括:物理存儲層、數(shù)據(jù)描述層、網(wǎng)絡(luò)層、過濾層、用戶層;最后，根據(jù)確定的數(shù)據(jù)對象、典型場景、層次結(jié)構(gòu)，建立典型場景多媒體數(shù)據(jù)庫，并基于典型場景多媒體數(shù)據(jù)庫進(jìn)行多媒體數(shù)據(jù)的存儲和檢索； b.機(jī)器學(xué)習(xí)模型建立模塊: 用于分別確定級聯(lián)分類模型中基學(xué)習(xí)器的級聯(lián)策略、學(xué)習(xí)策略、推理算法、置信度閾值設(shè)置方法，并根據(jù)確定結(jié)果建立級聯(lián)分類模型;然后，分別確定概率圖模型的各隨機(jī)變量之間的關(guān)系、有向圖、無向圖、生成或判別模型的選擇方法，并根據(jù)確定結(jié)果建立概率圖模型；然后，分別確定深度學(xué)習(xí)模型中學(xué)習(xí)器的層次、機(jī)制，并根據(jù)確定結(jié)果建立深度學(xué)習(xí)模型；最后，分別對級聯(lián)分類模型、概率圖模型、深度學(xué)習(xí)模型進(jìn)行驗(yàn)證； c.基于機(jī)器學(xué)習(xí)模型的參數(shù)學(xué)習(xí)模塊: 用于基于典型場景多媒體數(shù)據(jù)庫，進(jìn)行級聯(lián)分類模型的參數(shù)學(xué)習(xí)；然后，基于典型場景多媒體數(shù)據(jù)庫，并采用最大似然估計(jì)法進(jìn)行概率圖模型的參數(shù)學(xué)習(xí)；最后，基于典型場景多媒體數(shù)據(jù)庫，并采用卷積神經(jīng)網(wǎng)絡(luò)算法進(jìn)行深度學(xué)習(xí)模型的參數(shù)學(xué)習(xí)； d.基于機(jī)器學(xué)習(xí)模型的推斷模塊: 用于采用決策樹、Boosting算法、Bagging算法、人工神經(jīng)網(wǎng)絡(luò)算法、支持向量機(jī)算法依次進(jìn)行級聯(lián)分類模型、概率圖模型、深度學(xué)習(xí)模型的有監(jiān)督學(xué)習(xí)；然后，采用聚類分析算法、關(guān)聯(lián)規(guī)則分析算法依次進(jìn)行級聯(lián)分類模型、概率圖模型、深度學(xué)習(xí)模型的無監(jiān)督學(xué)習(xí)；然后，采用粗糙集理論、回歸模型依次進(jìn)行級聯(lián)分類模型、概率圖模型、深度學(xué)習(xí)模型的半監(jiān)督學(xué)習(xí)；最后，根據(jù)學(xué)習(xí)結(jié)果依次進(jìn)行級聯(lián)分類模型、概率圖模型、深度學(xué)習(xí)模型的推斷。
【文檔編號】G06Q50/06GK106022977SQ201610644792
【公開日】2016年10月12日
【申請日】2016年8月9日
【發(fā)明人】王天正, 王康寧, 李 杰, 俞華
【申請人】國網(wǎng)山西省電力公司電力科學(xué)研究院