-
公开(公告)号：CN113313307B
公开(公告)日：2024-12-06
申请号：CN202110597996.9
申请日：2021-05-31
Applicant: 哈尔滨工业大学
IPC: G06Q10/047 , G06Q30/0201 , G06Q50/14 , G06F18/23 , H04W4/024 , H04W4/20 , H04W4/35
Abstract: 本发明公开了一种基于信令大数据的旅游路线挖掘方法，包括：获取预设区域原始手机信令数据，去除数据中因乒乓效应产生的噪声数据，得到全域手机信令数据表；爬取预设区域内景区POI数据，筛选景区范围内的基站，构建基站‑景区表，并据此去除全域手机信令数据表中的非景区基站连接数据，得到景区手机信令数据表；去除过路行人、景区工作人员及附近常驻居民产生的干扰数据，得到景区游客手机信令数据表；对景区游客手机信令数据表按时间顺序构造景区序列，并进行聚集计算，得到初步游客游览路线表；采用基于欧式距离的层次聚类法对初步游客浏览路线中的相邻景区进行合并，获得最优旅游路线表。该方法挖掘过程稳定性高，挖掘的旅游路线更准确。
-
公开(公告)号：CN104616198B
公开(公告)日：2018-01-26
申请号：CN201510076663.6
申请日：2015-02-12
Applicant: 哈尔滨工业大学
Abstract: 一种基于文本分析的P2P网络借贷风险预测系统，涉及一种P2P网络借贷的风险预测系统。本发明包括：平台数据采集模块；文本特征提取模块；风险预测模型搭建、训练模块；风险预测模块。本发明风险预测系统的文本特征提取模块对平台数据采集模块中获取的“借款描述文本”进行词语切分并根据停用词列表去除没有实际含义的词语，同时负责提取借款描述文本包含的情感特征S，主题特征T和可读性特征R；然后搭建和训练风险预测模型；最后将新借款列表的情感特征S，主题特征T和可读性特征R和平台数据采集模块中的用户基本数据、用户信用数据、借款列表数据共同作为输入变量输入风险预测模型，最终得到风险预测结果。本发明适用于P2P网络借贷风险预测。
-
公开(公告)号：CN104616198A
公开(公告)日：2015-05-13
申请号：CN201510076663.6
申请日：2015-02-12
Applicant: 哈尔滨工业大学
Abstract: 一种基于文本分析的P2P网络借贷风险预测系统，涉及一种P2P网络借贷的风险预测系统。本发明包括：平台数据采集模块；文本特征提取模块；风险预测模型搭建、训练模块；风险预测模块。本发明风险预测系统的文本特征提取模块对平台数据采集模块中获取的“借款描述文本”进行词语切分并根据停用词列表去除没有实际含义的词语，同时负责提取借款描述文本包含的情感特征S，主题特征T和可读性特征R；然后搭建和训练风险预测模型；最后将新借款列表的情感特征S，主题特征T和可读性特征R和平台数据采集模块中的用户基本数据、用户信用数据、借款列表数据共同作为输入变量输入风险预测模型，最终得到风险预测结果。本发明适用于P2P网络借贷风险预测。
-
Patent Agency Ranking
公开(公告)号：CN117950627A
公开(公告)日：2024-04-30
申请号：CN202311610584.X
申请日：2023-11-29
Applicant: 香港城市大学深圳研究院 , 哈尔滨工业大学
Abstract: 本发明提出了一种智能溯源及假新闻防范系统及防范方法，以太坊ERC‑721智能合约为基础，使用NFT认证平台的用户首先提交其发布的信息至NFT认证平台中，NFT认证平台对用户上传的信息进行查重处理，通过查重后将该信息通过ERC‑721智能合约铸造为NFT，将该NFT不可篡改地保存在以太坊区块链上，平台将完成NFT铸造的信息发布为带有可验证NFT标识的帖子。
-
公开(公告)号：CN113313307A
公开(公告)日：2021-08-27
申请号：CN202110597996.9
申请日：2021-05-31
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于信令大数据的旅游路线挖掘方法，包括：获取预设区域原始手机信令数据，去除数据中因乒乓效应产生的噪声数据，得到全域手机信令数据表；爬取预设区域内景区POI数据，筛选景区范围内的基站，构建基站‑景区表，并据此去除全域手机信令数据表中的非景区基站连接数据，得到景区手机信令数据表；去除过路行人、景区工作人员及附近常驻居民产生的干扰数据，得到景区游客手机信令数据表；对景区游客手机信令数据表按时间顺序构造景区序列，并进行聚集计算，得到初步游客游览路线表；采用基于欧式距离的层次聚类法对初步游客浏览路线中的相邻景区进行合并，获得最优旅游路线表。该方法挖掘过程稳定性高，挖掘的旅游路线更准确。
-
公开(公告)号：CN112365040A
公开(公告)日：2021-02-12
申请号：CN202011208966.6
申请日：2020-11-03
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于多通道卷积神经网络和时间卷积网络的短期风电功率预测方法。步骤1：对风电功率历史数据提取相关特征并形成样本集；步骤2：利用多层LSTM神经网络模型对样本集中短期预测风速数据进行修正；步骤3：对修正后的样本集数据进行归一化处理，并划分为训练集和测试集；步骤4：分别对三通道CNN‑LSTM神经网络初始化设置和TCN时间卷积网络初始化设置，利用训练集分别对两个网络进行训练；步骤5：将测试集分别输入两个神经网络模型，并利用加权平均方法进行模型融合，输出最终的预测结果；步骤6：按预定义的各种评价指标对预测结果进行评价。实验证明，本发明针对短期风电功率预测具有较高的准确度和鲁棒性。
-
公开(公告)号：CN114880715A
公开(公告)日：2022-08-09
申请号：CN202210282372.2
申请日：2022-03-22
Applicant: 哈尔滨工业大学 , 国网黑龙江省电力有限公司
Abstract: 本发明提出了一种基于同态加密智能合约的电力数据安全共享方法及系统。该方法将同态加密算法布置在智能合约里，通过对电力数据的个别隐私字段进行同态加密，牺牲该字段一定程度的计算效率而换取隐私保障。让智能合约完成数据分析计算的功能，只共享计算结果而不是源数据且共享全过程上链存证，从而保证供需双方的数据安全，防止数据泄露。
-
公开(公告)号：CN112365040B
公开(公告)日：2022-03-01
申请号：CN202011208966.6
申请日：2020-11-03
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于多通道卷积神经网络和时间卷积网络的短期风电功率预测方法。步骤1：对风电功率历史数据提取相关特征并形成样本集；步骤2：利用多层LSTM神经网络模型对样本集中短期预测风速数据进行修正；步骤3：对修正后的样本集数据进行归一化处理，并划分为训练集和测试集；步骤4：分别对三通道CNN‑LSTM神经网络初始化设置和TCN时间卷积网络初始化设置，利用训练集分别对两个网络进行训练；步骤5：将测试集分别输入两个神经网络模型，并利用加权平均方法进行模型融合，输出最终的预测结果；步骤6：按预定义的各种评价指标对预测结果进行评价。实验证明，本发明针对短期风电功率预测具有较高的准确度和鲁棒性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.028 seconds)
