-
公开(公告)号:CN115934666B
公开(公告)日:2025-05-16
申请号:CN202211500810.4
申请日:2022-11-28
Applicant: 中南大学
IPC: G06F16/18 , G06F18/214 , G06F18/22 , G06F18/24 , G06N3/0464 , G06N3/08
Abstract: 本公开实施例中提供了一种基于图卷积神经网络的特征增强云容器异常日志分类方法,属于数据处理技术领域,具体包括:从异常日志数据集中读取异常日志;将异常日志划分为堆栈跟踪数据帧;将堆栈跟踪数据帧进行标记和裁剪;将堆栈跟踪数据帧构建为Bert模型的输入特征向量Fin;将输入特征向量Fin输入编码器中,输出特征向量Fout并分割为[FCLS,Flog];构建一张图,将向量Flog当作点特征,向量FCLS的余弦相似性结果当作边关系,将该图输入到图卷积神经网络中;将图卷积神经网络特征增强后的异常日志特征向量经过全连接层和激活函数映射成一维特征向量,然后对该一维向量进行相似性度量,并据此对异常日志进行分类。通过本公开的方案,提高了异常日志分类的效率和精准度。
-
公开(公告)号:CN119512560A
公开(公告)日:2025-02-25
申请号:CN202411543677.X
申请日:2024-10-31
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种基于语义网络的大语言模型协同补丁合入评估方法,属于数据处理技术领域,具体包括:获取目标操作系统的原始补丁信息;基于大语言模型对原始补丁信息进行语义丰富,以提交信息和代码变更为输入分别生成URL解析和代码解析;对补丁信息中的代码变更分块处理;将提交信息、URL解析和代码解析进行拼接;将语义增强后的提交信息输入BERT模型提取特征,得到提交信息对应的第一语义嵌入向量;将代码块进行嵌入操作后输入CodeBERT模型,得到代码变更对应的第二语义嵌入向量;根据第一语义嵌入向量和第二语义嵌入向量进行分类预测,得到原始补丁信息对应的分类结果。通过本公开的方案,提高了预测效率、精准度和适应性。
-
公开(公告)号:CN115861275B
公开(公告)日:2024-02-06
申请号:CN202211674351.1
申请日:2022-12-26
Applicant: 中南大学
Abstract: 本申请适用于水质检测技术领域,提供了一种细胞计数方法、装置、终端设备及介质。其中该方法通过对原始图像数据进行分块,得到多个图像块;给每个图像块添加序列信息,提取其图像特征,得到图像特征集;由图像特征集构建第一图像特征关联矩阵;根据目标细胞的目标框位置信息和第一图像特征关联矩阵,构建图像特征遮掩矩阵;利用图像特征遮掩矩阵对不含目标细胞的图像块对应的超边进行处理,得到第二图像特征关联矩阵;根据第二图像特征关联矩阵构建图像特征超图;利用超图卷积神经网络对图像特征超图进行处理,得到原始图像中目标细胞的密度;根据目标细胞的密度,获取原始图像中目标细胞的数量。本申请能提高细胞计数的准确性。(56)对比文件Yao Xue,et al..Cell Counting byRegression Using Convolutional NeuralNetwork《.Computer Vision-ECCV 2016Workshops》.2016,第9913卷全文.
-
-