-
公开(公告)号：CN109740044A
公开(公告)日：2019-05-10
申请号：CN201811582052.9
申请日：2018-12-24
Applicant: 东华大学
IPC: G06F16/953 , G06F16/35
Abstract: 本发明涉及一种基于时间序列智能预测的企业异动预警方法，包括以下步骤：使用网络爬虫技术获取网络新闻文本以及新闻的发布时间，并进行数据预处理；将数据转化为时间序列，并划分为时间序列段，用来进行时间序列预测；使用时间序列智能预测模型进行时间序列预测；通过文本聚类进行预警信息的挖掘，找到簇的中心文本作为预警新闻。本发明能够通过外部公开的数据解决企业异动预警问题。
-
公开(公告)号：CN109359095A
公开(公告)日：2019-02-19
申请号：CN201811054777.0
申请日：2018-09-11
Applicant: 东华大学
IPC: G06F16/172 , G06F16/13
Abstract: 本发明涉及一种大数据快速读取的DLK方法，其特征在于，缓存空间内存储的缓存基本单位为 ，将缓存空间划分为数据区及列表区，数据区用于存储Data，列表区用于存储Timestamp及K。本发明提出的分布式存储模式的面向记录的缓存方法，可以有效的提升分布式存储模式中的面向记录的检索效率，该方法优化了面向记录的检索速率，使用双队列的结构缓存高频和低频的缓存数据提升了缓存的命中率。在缓存空间中，划分了数据区和列表区，进一步优化了缓存的查询和异步执行效率。从优化算法提高命中率和优化数据存储结构提升执行效率两个方面提升了分布式存储模式的检索性能。
-
公开(公告)号：CN109034879A
公开(公告)日：2018-12-18
申请号：CN201810741628.5
申请日：2018-07-06
Applicant: 东华大学
CPC classification number: G06Q30/0206 , G06Q30/0611 , G06Q30/08
Abstract: 本发明涉及一种基于k近邻回归算法的云计算竞价实例价格预测方法，包括以下步骤：A.数据获取：获取云计算竞价实例的历史价格；B.数据预处理：对获取的历史价格进行预处理；C.训练集、测试集生成：使用预处理之后的数据生成训练集和测试集；D.k‑d树构建：使用训练集构建k‑d树；E.k近邻搜索：针对于测试集在k‑d树中进行k近邻搜索；F.预测结果：根据搜索到的k近邻求平均值得到预测的价格。本发明能够为用户预测未来一段时间的竞价实例的价格，帮助用户在选择实例、实例出价等方面做出更好的决策。
-
公开(公告)号：CN111428853B
公开(公告)日：2023-07-11
申请号：CN202010045213.1
申请日：2020-01-16
Applicant: 东华大学
IPC: G06N3/094 , G06N3/0475 , G06N3/0455 , G06F18/214 , G06F18/241
Abstract: 本发明涉及一种基于自动编码器网络和生成对抗网络的数据生成方法。本发明提出的数据生成方法，可以有效地解决电子交易因样本不均衡问题带来的反欺诈模型构建困难的问题。使用自动编码器的样本表征能力，对输入样本编码结合随机噪声作为生成器输入，为先验噪声添加指导信息，并且编码后的噪声可以公平分配各个样本生成上的概率，有效的提高生成模型对边缘分布数据的捕获能力，该模型为解决欺诈样本不足提供了一种新的技术支持方案，具有一定的实用价值。
-
公开(公告)号：CN110111146B
公开(公告)日：2023-07-11
申请号：CN201910361905.4
申请日：2019-04-30
Applicant: 东华大学
IPC: G06Q30/0282 , G06F16/953
Abstract: 本发明公开了一种面向云实例选择的多目标优化求解方法，包括以下步骤：A.背景问题定义：定义该求解器的问题背景；B.初始完全Pareto集合生成：得到需求个数为1下的初始Pareto集合；C.广义笛卡尔积生成：将完全Pareto集合和初始Pareto集合进行广义笛卡尔积；D.中间完全Pareto集合生成：对广义笛卡尔积进行遍历操作得到新的完全Pareto集合；E.最终完全Pareto集合生成：通过递归C、D操作得到最终的完全Pareto集合。本发明能够解决类似云实例类型选择问题的多目标优化问题，可以得到完整的Pareto集合，帮助用户更加准确的作出决策。另外，本发明能够解决类似的多目标优化问题，得到完全Pareto集合。
-
Patent Agency Ranking
公开(公告)号：CN110414780B
公开(公告)日：2023-06-23
申请号：CN201910525239.3
申请日：2019-06-18
Applicant: 东华大学
IPC: G06Q10/0635 , G06Q40/03 , G06Q40/04 , G06F16/215 , G06F16/2458
Abstract: 本发明涉及一种基于长短期记忆网络和生成对抗网络的数据生成方法。本发明提出的数据生成方法，可以有效地自然解决样本不均衡问题。从实用性角度出发，通过长短期记忆网络处理交易的时间序列特征，添加基于Wasserstein距离和特征惩罚的约束优化目标函数，有效地预防模式坍塌问题；从数据的相关性角度横向验证生成数据的可靠性，从数据分布的角度纵向验证生成数据的分布，建议了基于LSTM‑GAN的负样本交易生成框架，为解决欺诈交易检测中负样本不足提供了技术支持。
-
公开(公告)号：CN114968084A
公开(公告)日：2022-08-30
申请号：CN202210100839.7
申请日：2022-01-27
Applicant: 东华大学
IPC: G06F3/06
Abstract: 本发明涉及一种边缘环境下基于温度矩阵的数据放置方法，包括：建立同一数据块在不同区域下的数据温度计算模型，得到数据温度值；记录数据在不同区域下的温度值，得到数据温度矩阵；定义用来记录不同区域下的服务器的区域服务器矩阵；根据所述数据温度矩阵对数据进行副本选择放置，得到数据副本矩阵；利用所述数据副本矩阵和所述区域服务器矩阵得到数据服务器矩阵；根据所述数据服务器放置矩阵结合所述区域服务器矩阵得到区域下的数据放置成本矩阵集合；利用匈牙利算法对所述数据放置成本矩阵集合进行数据优化放置，获得在当前问题场景下最优的数据放置方案。本发明能够结合数据本身的时空特性进行优先放置。
-
公开(公告)号：CN110069500B
公开(公告)日：2022-08-26
申请号：CN201910327502.8
申请日：2019-04-23
Applicant: 东华大学
IPC: G06F16/22 , G06F16/245 , G06F16/2458
Abstract: 本发明一种非关系型数据库动态混合索引方法，其特征在于，包括以下步骤：建立键值对非关系型数据库的非主键索引结构；定义非主键字段的权重，通过一个周期内字段作为查询条件的频次以及字段的历史权重，更新非主键字段的权重值；动态划分索引类型；进行混合索引。本发明提出的键值对非关系型数据库的混合索引方法，可以有效的提升非主键字段的条件查询效率。该方法克服了键值对非关系型数据不支持非主键字段不支持索引查询的弱点，建立了非主键字段的混合索引。在大数据的存储上，即实现了快速查询的功能，又节省了不必要的存储开销。
-
公开(公告)号：CN113986486A
公开(公告)日：2022-01-28
申请号：CN202111202992.2
申请日：2021-10-15
Applicant: 东华大学
IPC: G06F9/48
Abstract: 本发明涉及一种边缘环境下数据缓存与任务调度的联合优化方法，在收到用户发送的当前任务请求后，包括：获取离用户当前位置最近的边缘服务器，并根据边缘服务器中缓存的数据确定当前任务请求由自身处理还是调度处理；在调度处理时，根据边缘服务器相邻的边缘服务器中缓存的数据确定当前任务请求由边缘服务器相邻的边缘服务器处理还是调度至云服务器处理；在调度完成后，利用信息熵理论计算出边缘服务器中所有数据的缓存价值，并根据边缘服务器的缓存空间对当前任务请求的所需数据进行缓存。本发明能够对用户提交的任务请求进行有效合理的调度，以提高边缘服务器的数据缓存命中率并降低完成任务请求的响应延迟和能耗。
-
公开(公告)号：CN111428853A
公开(公告)日：2020-07-17
申请号：CN202010045213.1
申请日：2020-01-16
Applicant: 东华大学
Abstract: 本发明涉及一种基于自动编码器网络和生成对抗网络的数据生成方法。本发明提出的数据生成方法，可以有效地解决电子交易因样本不均衡问题带来的反欺诈模型构建困难的问题。使用自动编码器的样本表征能力，对输入样本编码结合随机噪声作为生成器输入，为先验噪声添加指导信息，并且编码后的噪声可以公平分配各个样本生成上的概率，有效的提高生成模型对边缘分布数据的捕获能力，该模型为解决欺诈样本不足提供了一种新的技术支持方案，具有一定的实用价值。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.051 seconds)
