-
公开(公告)号：CN110059756A
公开(公告)日：2019-07-26
申请号：CN201910327482.4
申请日：2019-04-23
Applicant: 东华大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于多目标优化的多标签分类系统。本发明以朴素贝叶斯分类算法作为基础模型，将多标签分类问题转化为多个二分类问题，通过对样本特征属性的加权方式弱化朴素贝叶斯的属性独立的假设，构建一个朴素贝叶斯的多标签分类模型。然后利用随机生成的属性权重作为遗传算法的基因表现，使用NSGA-II遗传算法来对多标签分类模型的多个目标进行优化得到最优分类模型集合。最后利用模型选择策略投票选出每个测试样本的最终标签分布。将本发明与3个多标签分类方法在3个数据集上做了比较，发现本发明所提的多标签分类方法在汉明损失、MicroF1等7个指标的总得分上有了明显的提高。
-
公开(公告)号：CN110058924A
公开(公告)日：2019-07-26
申请号：CN201910327503.2
申请日：2019-04-23
Applicant: 东华大学
Abstract: 本发明的目的是：为容器部署提供一个最佳的调度方案，使得每个容器都能部署到最合适的服务器上，从而在部署完成之后，在容器的拉取时间、服务的通信时间、机器的负载均衡以及机器的能耗之间达到一个最优的状态。为了达到上述目的，本发明的技术方案是提供了一种多目标优化的容器调度方法。本发明提出的改进的粒子群算法与Docker Swarm中的三个算法进行比较，可以得出该方法得到的部署方案的适应度是最低的，即该方法能比其他三个算法找到更好的调度解决方案，尤其是当机器资源远大于容器实例的要求时。
-
公开(公告)号：CN108960304A
公开(公告)日：2018-12-07
申请号：CN201810640209.2
申请日：2018-06-20
Applicant: 东华大学
CPC classification number: G06K9/6267 , G06N3/0454
Abstract: 本发明涉及一种网络交易欺诈行为的深度学习检测方法，其特征在于，步骤包括：第一步、利用历史交易特征数据对模型进行训练；第二步、将实时交易特征数据输入训练好的模型，判断当前交易是否为欺诈交易。本发明：(1)发明了适用于网络交易欺诈的基于特征重排的深度学习检测系统；(2)发明了特征排列构造层及排列方法。特征排列层可增加在每组卷积层与池化层之前。(3)发明了环式卷积方法，对于一条交易数据来说，通过环式结构的卷积，使得卷积后的信息不失真。
-
公开(公告)号：CN108038790A
公开(公告)日：2018-05-15
申请号：CN201711200078.8
申请日：2017-11-24
Applicant: 东华大学
Abstract: 本发明涉及一种内外数据融合的态势分析系统，其特征在于，包括数据采集模块；文本量化计算模块；因果滞后分析模块；态势预测模块。本发明可以有效地预测出相关指标的发展态势，即给出当前的互联网新闻等文本数据，可以预测出当前的指标变化趋势。将文本主题分类技术，时差相关分析，回归预测方法结合使用到特定领域态势分析上是一个新的方法创新。由于特定领域的相关统计指标数据往往滞后于互联网新闻等文本数据，根据互联网的文本数据和特定领域历史的统计数据指标，可以较好地预测出特定领域未来的发展态势，有利于特定领域监管部门做出科学的决策。
-
公开(公告)号：CN110084610B
公开(公告)日：2023-06-23
申请号：CN201910327627.0
申请日：2019-04-23
Applicant: 东华大学
IPC: G06Q20/40 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明一种基于孪生神经网络的网络交易欺诈检测系统，所述网络交易欺诈检测系统的输入数据是由一组数据对组成其特征在于，所述网络交易欺诈检测系统由两个结构相同的神经网络模型构成，两个神经网络模型间通过共享权值达到孪生的目的。本发明所构建基于孪生神经网络的网络交易欺诈方法有着很好的实验效果，该方法针对网络交易中时序性稀疏和数据不均衡问题，利用孪生结构来处理不均衡数据，并利用LSTM结构使网络具有记忆功能，以此来提高网络对于欺诈交易的检测能力。
-
Patent Agency Ranking
公开(公告)号：CN111260462B
公开(公告)日：2022-05-27
申请号：CN202010045141.0
申请日：2020-01-16
Applicant: 东华大学
Abstract: 本发明涉及一种基于异质关系网络注意力机制的交易欺诈检测方法，其关键在于，根据交易数据抽取实体关系，构建关系网络二部图，提出了基于节点收缩的异质网络同质化方法和基于Attention机制的邻域信息聚合算法。将信贷交易从关系网络的角度出发，进行建模分析，同时结合实际情况，充分考虑交易之间差异化的潜在关系，设计Attention机制进行节点间关系的差异化生成，提升了欺诈检测的效果。本发明提供的方法从实用性角度出发，通过将注意力从交易节点本身转化到关系网络中交易的若干阶邻域信息，充分考虑交易节点间潜在的差异性的关联关系，进行欺诈检测。
-
公开(公告)号：CN108038790B
公开(公告)日：2021-10-15
申请号：CN201711200078.8
申请日：2017-11-24
Applicant: 东华大学
IPC: G06Q50/00 , G06Q10/06 , G06F16/953
Abstract: 本发明涉及一种内外数据融合的态势分析系统，其特征在于，包括数据采集模块；文本量化计算模块；因果滞后分析模块；态势预测模块。本发明可以有效地预测出相关指标的发展态势，即给出当前的互联网新闻等文本数据，可以预测出当前的指标变化趋势。将文本主题分类技术，时差相关分析，回归预测方法结合使用到特定领域态势分析上是一个新的方法创新。由于特定领域的相关统计指标数据往往滞后于互联网新闻等文本数据，根据互联网的文本数据和特定领域历史的统计数据指标，可以较好地预测出特定领域未来的发展态势，有利于特定领域监管部门做出科学的决策。
-
公开(公告)号：CN110992041A
公开(公告)日：2020-04-10
申请号：CN201910525363.X
申请日：2019-06-18
Applicant: 东华大学
IPC: G06Q20/40
Abstract: 如今，根据用户历史交易去判断当前交易是一种重要的检测方式，但是在多个用户异常交易划分过程中依然采取统一的标准，不能准确刻画个体行为差异性，会导致对部分用户的误判提高。针对上述问题，本发明设计一种在线欺诈检测的个体行为超球体构建方法，对每个用户单独考虑，从多个维度并且考虑用户交易变化趋势，分析并提取每个用户历史正常交易行为，确定超球体模型圆心的位置；同时在确定超球体模型半径大小时，考虑用户之间的差异性，基于用户交易行为设计了用户最佳风险阈值计算方法；最后基于用户交易行为和最佳风险阈值构建了用户行为基准的超球体模型，将欺诈检测转化为多维空间中点的映射关系，为解决欺诈交易检测提供了技术支持。
-
公开(公告)号：CN110597948A
公开(公告)日：2019-12-20
申请号：CN201910623612.9
申请日：2019-07-11
Applicant: 东华大学
IPC: G06F16/33 , G06F16/36 , G06F16/951
Abstract: 本发明公开了一种基于深度学习的实体关系抽取方法，如图1所示，包括以下步骤：A.问题背景定义；B.数据预处理；C.词嵌入层；D.LSTM和GRU层；E.注意力层；F.关系输出实体关系三元组。本发明利用基于LSTM模型、GRU模型和注意力机制提出了上市公司公告的关系抽取模型。双向LSTM和GRU模型结构更简单，能减少相关参数的训练，提高模型训练的效率。注意力机制的引入提高了句子整体特征的关系抽取准确率，使模型更注重句子中某些关键字特征。
-
公开(公告)号：CN110084610A
公开(公告)日：2019-08-02
申请号：CN201910327627.0
申请日：2019-04-23
Applicant: 东华大学
Abstract: 本发明一种基于孪生神经网络的网络交易欺诈检测系统，所述网络交易欺诈检测系统的输入数据是由一组数据对组成其特征在于，所述网络交易欺诈检测系统由两个结构相同的神经网络模型构成，两个神经网络模型间通过共享权值达到孪生的目的。本发明所构建基于孪生神经网络的网络交易欺诈方法有着很好的实验效果，该方法针对网络交易中时序性稀疏和数据不均衡问题，利用孪生结构来处理不均衡数据，并利用LSTM结构使网络具有记忆功能，以此来提高网络对于欺诈交易的检测能力。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.026 seconds)
