-
公开(公告)号：CN112989706A
公开(公告)日：2021-06-18
申请号：CN202110354200.7
申请日：2021-04-01
Applicant: 东北大学
IPC: G06F30/27 , G06F119/04
Abstract: 本发明公开了一种隧道灯具照度衰减预测方法，选择使用递归特征消除(Recursive feature elimination)算法；基于全部特征进行训练；特征被消除的顺序即为特征的重要性排序，由于LSTM设计的循环结构的要求，需要输入特征向量组成的序列数据，构造样本数据集，利用LSTM模型来根据过去的一段时间数据来预测未来一段时间的数据，选定时间滞后组成的样本数据集后，使用一定时间范围的数据作为训练集，所有参数训练完成后，选用相关系数最高且绝对误差最小的模型作为最优预测模型。本发明以达到预测隧道灯具亮度衰减到照明细则规定的阈值的时间，从而提醒维修人员及时更换灯具，防止车辆进入隧道时安全事故发生。
-
公开(公告)号：CN112686376A
公开(公告)日：2021-04-20
申请号：CN202110033737.3
申请日：2021-01-11
Applicant: 东北大学
Abstract: 本发明公开一种基于时序图神经网络的节点表示方法及增量学习方法，属于图表示学习技术领域。预处理操作后用带有双重注意力机制的GCN模型分别处理不同时刻的时序图快照，进行图卷积计算，求得任一时刻任一节点的结构嵌入表示；将在每一时刻任一节点的结构嵌入表示作为一个序列输入到t‑GRU时序网络中进行串行计算，求得任一时刻任一节点的最终的嵌入表示；针对T时刻的新数据，先将T时刻之前的中间结果存储起来；只利用一个带有双重注意力机制的GCN模型处理T时刻的增量图数据；将中间结果以及T时刻结果合成一个序列输入到t‑GRU时序网络中进行串行计算得到T时刻任一节点的嵌入表示。适用多种时序图场景，节点表示信息更丰富且准确，模型迭代收敛速度快。
-
公开(公告)号：CN109165224B
公开(公告)日：2021-02-19
申请号：CN201810971875.4
申请日：2018-08-24
Applicant: 东北大学
Abstract: 本发明提供一种在区块链数据库上针对关键字key的索引方法，涉及区块链数据查询技术领域。该方法首先普通节点根据用户输入的带关键字key的原始数据生成交易记录；存储节点将交易打包到区块中；将区块数据追加写入磁盘文件；根据key值查询交易数据，输出查询结果；普通用户对结果进行可信性验证。本发明直接根据数据关键字进行索引，实现数据的可查询性；将传统区块链中的交易结构扩展到可存储类似于传统数据库的模式结构，提高适用性；根据数字签名技术管理数据权限，提高数据安全性；根据MerkleRBTree自我感知索引是否被篡改，根据交易哈希感知交易是否被篡改，从而保证数据不可篡改性；同时实现轻量级节点的数据验证功能，使得查询端能有效检测数据可信性。
-
公开(公告)号：CN108924246B
公开(公告)日：2021-01-01
申请号：CN201810826981.3
申请日：2018-07-25
Applicant: 东北大学
IPC: H04L29/08 , G06F16/9535 , G06K9/62
Abstract: 本发明提供一种支持用户私有IP发现的跨屏追踪方法，涉及数据质量和数据集成技术领域。该方法首先基于半监督学习的迭代式方法计算数据集中所有IP的用户私有IP概率；并基于用户私有IP概率生成候选集；计算候选集中候选对上的各属性的TF‑IDF相似度和关联相似度以及IP属性上的PIPSim相似度，得到候选对的属性相似度向量；利用GBRT模型预测候选对的相似度；最后基于得到的相似度生成相似度图，使用图聚类算法进行用户聚类。本发明提供的支持用户私有IP发现的跨屏追踪方法，综合考虑了设备、Cookie和已知用户之间的用户识别，相比于其他的跨屏追踪方法，在准确率、召回率以及F‑0.5值上都有较大幅度的提升。
-
公开(公告)号：CN111046092A
公开(公告)日：2020-04-21
申请号：CN201911057101.1
申请日：2019-11-01
Applicant: 东北大学
IPC: G06F16/25 , G06F16/22 , G06F15/163
Abstract: 本发明公开一种基于CPU-GPU异构体系结构的并行相似性连接方法，属于计算机数据库技术与并行计算技术领域。该方法通过对数据相似性连接方法进行分析设计，构建新的倒排索引结构，实现在GPU上并行构建倒排索引，对相似性连接方法进行分解，根据两种处理器不同的计算特性重新设计计算过程，基于GPU实现双重前缀过滤，有效减小候选集体积。本发明提供的基于CPU-GPU异构体系结构的相似性连接方法能够将传统的数据相似性连接准确地转换到CPU-GPU异构计算体系上，从而有效提高大规模数据集相似性连接的处理效率。
-
Patent Agency Ranking
公开(公告)号：CN110598061A
公开(公告)日：2019-12-20
申请号：CN201910893511.3
申请日：2019-09-20
Applicant: 东北大学
IPC: G06F16/901 , G06F16/951 , G06K9/62
Abstract: 本发明公开一种多元图融合的异构信息网嵌入方法，包括以下步骤：1)元图发现：根据异构信息网的特性选择频繁元图集合，以涵盖网络的重要语义特征；2)基于多元图融合的网络嵌入：利用适用于非对称元图的相似度度量方法计算异构信息网节点的相似度矩阵，并将该矩阵作为后续嵌入模型的原始特征；3)利用神经网络进行节点嵌入。采用本发明的异构网络嵌入方法，一方面，可以挖掘代表当前网络结构和语义特征的重要元图；一方面，提出的基于元图的节点相似度度量方法更具有通用性，并且通过原始特征的降维和融合，可以根据当前网络的特性计算不同元图的重要性，提高嵌入的准确性。
-
公开(公告)号：CN109165224A
公开(公告)日：2019-01-08
申请号：CN201810971875.4
申请日：2018-08-24
Applicant: 东北大学
CPC classification number: G06F21/64 , G06F21/6227 , G06Q20/3829
Abstract: 本发明提供一种在区块链数据库上针对关键字key的索引方法，涉及区块链数据查询技术领域。该方法首先普通节点根据用户输入的带关键字key的原始数据生成交易记录；存储节点将交易打包到区块中；将区块数据追加写入磁盘文件；根据key值查询交易数据，输出查询结果；普通用户对结果进行可信性验证。本发明直接根据数据关键字进行索引，实现数据的可查询性；将传统区块链中的交易结构扩展到可存储类似于传统数据库的模式结构，提高适用性；根据数字签名技术管理数据权限，提高数据安全性；根据MerkleRBTree自我感知索引是否被篡改，根据交易哈希感知交易是否被篡改，从而保证数据不可篡改性；同时实现轻量级节点的数据验证功能，使得查询端能有效检测数据可信性。
-
公开(公告)号：CN107622461A
公开(公告)日：2018-01-23
申请号：CN201710846394.6
申请日：2017-09-19
Applicant: 东北大学
Inventor： 赵志滨 , 姚兰 , 聂亦澄 , 于戈 , 鲍玉斌 , 陈郭成 , 刘佳良 , 张天成 , 李芳芳 , 许存立 , 刘欢 , 王勋 , 储佳红 , 唐梦娇 , 徐瑛蔚 , 李壮 , 王宗怡 , 石玉鑫 , 梁睿博 , 杨泽清 , 赵永恒 , 关亨 , 王思远 , 吴永琪 , 华钰 , 高若涵
Abstract: 本发明公开了一种面向慕课系统的作业主观题互评方法，根据作业的内容和知识点与评阅人的相关属性，将待评的作业权衡分配给评阅人，构建作业与评阅人的分配情况用带权重二部图；评阅人对作业根据评分要求进行评分；将同一作业各位评阅人的评分综合起来后取平均值，作为最终成绩。通过全面的考虑作业内容和知识点与评阅人的相关性，将待互评的作业权衡分配，对互评过程中的作业与阅卷者进行合理的匹配，能够实现评阅任务的合理分配，并且保证作业评阅的质量。
-
公开(公告)号：CN107239791A
公开(公告)日：2017-10-10
申请号：CN201710335523.5
申请日：2017-05-12
Applicant: 东北大学
IPC: G06K9/62
CPC classification number: G06K9/6223
Abstract: 本发明公开了一种基于LSH的高维K‑means聚类中心优选方法，首先对文本数据集进行归一化处理，对归一化后的数据进行hash映射，降维成M维(M为hash函数的个数)，假设生成N个桶，每个桶中都会落入一些原始数据，对这N个桶进行K‑means聚类，得到K个桶中心，计算桶中数据的平均值作为原始数据集的初始中心点，对原始中心点进行K‑means聚类。1.对高维数据集能进行有效的降维处理；2.通过LSH方法选取中心点，提高了K‑means聚类的准确度。使K‑means聚类的结果NMI值趋于一个稳定的范围。
-
公开(公告)号：CN107169033A
公开(公告)日：2017-09-15
申请号：CN201710249567.6
申请日：2017-04-17
IPC: G06F17/30
Abstract: 本发明提供一种基于数据模式转换和并行框架的关系数据查询优化方法，涉及计算机数据库技术领域。该方法通过对关系模型数据上复杂查询语句进行结构分析，构建新的数据存储结构，实现在数据存储上的转换处理，将关系模型数据库中存储的数据转存到新的数据模式存储系统中，针对数据模式的变化进行相应查询语句的转换，基于SPARK SQL查询生成SPARK任务并执行该任务。本发明提供的关系数据查询优化方法能够将关系数据库中的数据针对查询的特征准确地转换到SPARK并行查询处理框架之上，从而有效提高对关系数据库上部分频繁执行的复杂查询的处理效率。
-
-
-
-
-
-
-
-
-
Search Results
116
records
(took 0.029 seconds)
