-
公开(公告)号：CN111881484B
公开(公告)日：2024-06-07
申请号：CN202010605330.9
申请日：2020-06-29
Applicant: 北京工业大学
Abstract: 一种基于区块链的UCON存证数据访问控制方法属于区块链应用领域。区块链以其不可篡改和伪造的特性提供了天然的隐私保护条件，将存证数据通过一定的访问控制方法输出记录至区块链内，形成基于区块链的UCON存证数据访问控制方法是有意义的。本方法提出通过智能合约技术将数据拥有者区块使用相关IoT等数据获取设备所产生的数据，运用基于差分隐私的图数据发布算法运算后产生的存证数据，存储至区块链。数据使用者区块通过UCON访问控制模型进行访问。数据取证方区块可以通过智能合约进行查询区块链相关授权记录后进行取证。
-
公开(公告)号：CN117612742A
公开(公告)日：2024-02-27
申请号：CN202311621699.9
申请日：2023-11-30
Applicant: 北京工业大学
IPC: G16H50/80 , G16H50/70 , G06F18/15 , G06F18/27 , G06F18/2135 , G06F18/2411 , G06N7/02
Abstract: 本发明公开了针对病毒变异毒株的影响因素的评估方法，包括：收集病毒变异毒株传播影响因素特征共同组成数据集。对多因素数据集中的数据进行清洗和归一化预处理，统一数据尺度。通过提取各数据集的特征，对多元数据进行聚集和综合。将多因素数据集通过9:1比例划分为训练集和测试集。构建影响病毒变异毒株传播的多因素定量分析模型，并带入得到的数据集，得出变异毒株传播的多因素影响系数。构建多特征主成分评估模型，根据多因素影响系数，使用模糊搜索和SVM分类器进行主成分选取与因子分类，对不同多因素赋予权重，最终得到影响变异毒株的主成分的综合得分。本发明具有显著的创新性。
-
公开(公告)号：CN111339185B
公开(公告)日：2023-12-15
申请号：CN202010096552.2
申请日：2020-02-13
Applicant: 北京工业大学
IPC: G06F16/27
Abstract: 灵活度，实现了区块链与政府强中心化的更优结本发明公开了基于区块链技术的不完全去 合。中心化方法，该方法包含：(1)算法公式：创新提出了链上不完全去中心化的通用算法公式。(2)算法模型：基于算法公式给出通用算法模型，应用于链上强监管模型，将私钥签名投票作为模型输入，以环结构持续，最终以环结构的整体决策作为输出，以保证个体决策的匿名性。(3)智能合约函数体模型与编译部署：本发明创新提出应用智能合约技术编译算法实现传统区块链上的超级节点，即保护了区块链底层去中心化的共识机制，也实现了链上强监管的应用要求，同时，可通
-
公开(公告)号：CN116469005A
公开(公告)日：2023-07-21
申请号：CN202310317304.X
申请日：2023-03-27
Applicant: 北京工业大学
IPC: G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/44
Abstract: 本发明公开了一种利用GF‑2遥感影像进行多尺度建筑物屋顶识别的方法，该方法基于DeepLabv3+网络结构，在编码阶段针对空间金字塔池化结构增加了基于归一化的注意力机制NAM，抑制不显著的特征，更好的提取建筑物屋顶多尺度特征。利用不同膨胀率的深度可分离卷积代替ASPP结构中传统的空洞卷积，综合深度可分离卷积和空洞卷积的优点，提高了模型的高效性。在解码阶段特征融合的过程中，将主干网络ResNet101的底层和中层输出的特征通过自注意力与卷积集合模块，以得到更加精细的识别结果。利用本发明实现对建筑物屋顶的提取，能够处理建筑物屋顶边缘识别不精细的问题，同时也有效优化了不同尺度建筑物屋顶的识别准确性。
-
公开(公告)号：CN116127095A
公开(公告)日：2023-05-16
申请号：CN202310010370.2
申请日：2023-01-04
Applicant: 北京工业大学
IPC: G06F16/36 , G06F16/332 , G06F16/35 , G06F16/33 , G06F16/951 , G06N3/0455 , G06N3/08 , G06F40/289 , G06F40/284
Abstract: 本发明公开了一种序列模型与知识图谱结合的问答方法，包括：知识获取处理方法、知识图谱构建方法、模型构建方法、问题判断与答案生成方法。针对不同类型的数据集设计了相应的问答策略，从领域专业知识数据集构建“领域专业知识语义数据”，通过关键词提取和模板匹配获得知识图谱中的专业答案。从领域知识基本问答数据集构建“领域知识基本问答语义数据”，并使用句向量相似度算法获得领域知识聊天数据集的最佳答案，以训练Seq2seq模型，作为知识图谱的补充。结合上述问答策略，本方法既可以回答专业的领域知识，还可以回答日常聊天系统。该方法能够准确、高效地回答不同领域的问题，在一定程度上使得问答系统能够理解用户的意图，更加智能化。
-
Patent Agency Ranking
公开(公告)号：CN113163057B
公开(公告)日：2022-09-30
申请号：CN202110073654.7
申请日：2021-01-20
Applicant: 北京工业大学
Abstract: 本发明公开了一种诈骗电话动态识别区间构建方法。本发明创新提出了超参数优化和梯度提升机相结合的方式构建诈骗电话识别模型，利用超参数优化算法对梯度提升机的参数进行优化，提升模型识别效果。本发明使用随机森林算法进行数据特征选择，选取特征重要度大于0.8的维度构建诈骗电话特征向量。用户话单数据是典型的不平衡数据，本发明提出使用欠采样与过采样相结合混合采样的方法对数据进行采样，缓解了数据分布的不平衡，经过实验验证是一种可行的方法。本发明提出了一种基于概率预测模型的参数化方法，以分类器输出的概率作为样本的置信度，根据模型输出的样本置信度，构建诈骗电话动态识别区间。
-
公开(公告)号：CN114611399A
公开(公告)日：2022-06-10
申请号：CN202210268175.5
申请日：2022-03-17
Applicant: 北京工业大学
IPC: G06F30/27 , G06F119/02
Abstract: 本发明公开了一种基于NGBoost算法的PM2.5浓度长时间序列预测方法，该方法综合气象和其他污染物影响因素，提出了基于自然梯度提升的PM2.5浓度预测模型，以提升长时间序列PM2.5浓度预测的精度。使用Isolation Forest算法对采集到的目标站点空气污染物及气象数据进行了异常值判定、通过斯皮尔曼相关系数进行特征选择等预处理作为总数据集；提出数据时序离散化方法，使用所有天中同一小时的数据构成模型输入。然后进行了数据规范化、数据集划分比例、阈值等参数调优实验进行模型优化。最后将离散化后的多维数据集采用NGBoost算法，得出对目标站点未来一天PM2.5浓度的小时级精确化预测值。本发明为PM2.5浓度长时间序列预测提供了一个开放的研究框架。
-
公开(公告)号：CN113485498A
公开(公告)日：2021-10-08
申请号：CN202110811142.6
申请日：2021-07-19
Applicant: 北京工业大学
IPC: G05D27/02
Abstract: 本发明公开了一种基于深度学习的基于深度学习的室内环境舒适度调节方法及系统，在数据采集模块利用传感器设备进行环境数据采集，并将环境状态数据发送至边缘预处理与控制模块；基于深度学习LSTM神经网络构建模型来预测未来一定时间段室内环境的变化；将当前时刻传感器上传的多源异构环境数据，作为室内环境预测模型的输入；室内环境预测模型根据上传来的室内多源异构环境数据，完成预测并将结果发送给下一步中热舒适度控制模型；构建热舒适度控制模型，设置初始环境参数以及环境参数调节范围，提出在不同场景模式约束下提高人体舒适度的室内环境调节方案。本发明通过动态预测为用户提供舒适的室内环境的同时，使能耗有效降低。
-
公开(公告)号：CN113111148A
公开(公告)日：2021-07-13
申请号：CN202110336845.8
申请日：2021-03-29
Applicant: 北京工业大学
IPC: G06F16/33 , G06F16/35 , G06F16/9536 , G06F40/289 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q50/00
Abstract: 面向微博“树洞”留言文本的情感分析方法属于自然语言处理技术领域。抑郁症患者于微博留言离世后，依然有微博留言信息不断聚集，从而形成微博“树洞”，一些人对生活失去希望，会选择在主人离去的页面倾吐情绪或自杀计划。针对这部分人群如何对其进行分析及监测救援是目前需要解决的问题。本发明包含：(1)提出一种结合BiLSTM和CNN的深度学习模型分析微博文本情感极性。(2)在原模型的基础上加入自注意力机制，通过注意力机制更好的表征文本词向量的序列特征。该方法满足了分析潜在抑郁人群情绪及监测的需求，对抑郁症识别起到了至关重要的作用。
-
公开(公告)号：CN108038106B
公开(公告)日：2021-07-02
申请号：CN201711404969.5
申请日：2017-12-22
Applicant: 北京工业大学
IPC: G06F40/211 , G06F16/33 , G06F16/36
Abstract: 为了解决现有基于大训练样本的文本术语学习方法难以满足较小实例样本的细粒度领域术语学习需求的问题，本发明提出了一种基于上下文语义的细粒度领域术语自学习方法，通过融合上下文语义信息，从候选术语上下文信息的复现次数角度上全面表现候选术语在语料库中的统计特征和语言特征，借鉴领域相关性与领域一致性思想，运用对数似然比，计算候选术语的领域依存偏向值，最后综合每个候选术语的隶属激活值自主发现领域新术语。本发明所述的基于上下文语义的细粒度领域术语自学习技术可实现术语集的自学习，促进特定领域本体构建，其不仅可以应用在诸如认知功能等领域的术语发现和抽取，还能够在概念抽取方法中作为候选概念产生工具使用。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.034 seconds)
