-
公开(公告)号：CN109977113A
公开(公告)日：2019-07-05
申请号：CN201910070748.1
申请日：2019-01-25
Applicant: 北京工业大学
Abstract: 本发明公开一种用于医疗影像数据的基于布隆过滤器的HBase多级索引设计方法，采用为每个随机函数都单独分配一组位向量的方式减小了布隆过滤器的假阳性误判率，并且将其作为判断待检索数据是否在集合中的第一步。之后对现有的HBase二级索引提出改进方法，将减少数据的网络IO次数作为主要优化点，独特的行键设计保证了数据表和索引表能够分布在同一个Region上，并且设计了一种抽样散列法解决了Region的写热点问题，从而即利用了负载均衡的特性，又在一定程度上加快了检索效率。
-
公开(公告)号：CN109816010A
公开(公告)日：2019-05-28
申请号：CN201910052118.1
申请日：2019-01-21
Applicant: 北京工业大学
Abstract: 本发明公开一种用于航班延误预测的基于选择性集成的CART增量学习分类方法。针对航班延误预测模型面对新的航班数据不能有效更新模型问题，以及集成分类器规模庞大影响预测性能的弊端。将CART决策树算法与Learn++增量学习框架结合，提出了I-CART方法，实现了对于新数据的增量学习，高效更新预测模型；采用kappa系数作为基分类器投票权重，进一步降低分类错误率；探究基分类器间差异性与准确率关系，设计了两种针对集成分类器的选择方案VS(纵向划线法)与HS(横向划线法)，减小集成分类器规模。本发明能够提高航班延误预测模型对于新数据的学习效率及分类性能，提出的选择性集成方案能显著减小最终集成分类器的规模，提高航班延误预测分类器性能。
-
公开(公告)号：CN109800437A
公开(公告)日：2019-05-24
申请号：CN201910099671.0
申请日：2019-01-31
Applicant: 北京工业大学
IPC: G06F17/27
Abstract: 一种基于特征融合的命名实体识别方法属于计算机领域，通过两个方面来提取和融合不同粒度的文本特征，概念特征和非概念词特征，从而来提高命名实体识别的准确率并降低计算量。方法包括：数据预处理模块、特征构建模块、训练命名实体网络模型模块和命名实体分类器模块，其中特征模块包括语义特征提取、词特征提取、字符特征提取、特征融合四个子模块。在本方法中结合神经网络模型LSTM(Long Short-Term Memory)或GRU(Gated Recurrent Unit)的时序记忆特点来考虑命名实体任务的上下文信息，最后使用softmax预测实体类别标签。在模型构建过程中，可以利用稀疏数据作为训练集并对LSTM和GRU两种神经网络模型进行对比，确保本发明在实体识别任务上能取得令人满意的效果。
-
公开(公告)号：CN108374512A
公开(公告)日：2018-08-07
申请号：CN201810146176.6
申请日：2018-02-12
Applicant: 北京工业大学
Abstract: 本发明提出一种栓焊混合连接钢管混凝土异型柱-隐形梁楼板装配体系，属于结构工程技术领域，包括钢管混凝土异型柱，隐形梁楼板模块和栓焊混合连接节点。将在工厂预制好的梁作为梁板整体模块的边框，在梁底部浇筑预制混凝土。在施工现场，用栓焊混合连接节点对隐形梁楼板模块和钢管混凝土异型柱进行连接。之后预制混凝土层上面可自由铺设管线，不同板块间管线从梁腹板孔洞穿过，铺设完成后浇轻质混凝土。隐形梁楼板通过梁板一体化，将梁的上下翼缘均预埋在楼板的混凝土中，提高构件的局部稳定，缓解了钢结构梁的防火以及防腐问题；腹板开设孔洞以及分层浇筑楼板的方式有利于管线的个性化布置，方便后期的维修和改造。
-
公开(公告)号：CN103714290B
公开(公告)日：2016-08-17
申请号：CN201310730756.7
申请日：2013-12-26
Applicant: 北京工业大学
IPC: G06F21/56
Abstract: 本发明涉及一种软件行为获取、监控与验证方法，包括：获取软件行为；监控软件行为；验证软件行为。针对现有软件行为监测、分析和验证方法中存在的不仅需要修改程序源码，而且编程负担较重，缺乏监控与分析粒度调控等问题，本发明从基于Java的面向对象编程语言的行为和属性的分析出发，结合UML和OCL技术，提供一种较为通用的软件行为获取、监控与验证方法，可以自动生成监控所需的AOP方面类，减少编码人员工作量；在不修改待验证系统源代码的情况下进行监控与验证；大量使用接口和动态链接库，易于维护和修改。使用本发明对软件系统进行监控和验证，可以对软件系统的可信性进行度量，并且保护软件系统正常运行。
-
Patent Agency Ranking
公开(公告)号：CN105069003A
公开(公告)日：2015-11-18
申请号：CN201510331056.X
申请日：2015-06-15
Applicant: 北京工业大学
CPC classification number: G06F17/30867 , G06Q50/01
Abstract: 一种基于转发链相似度的用户关注对象推荐计算方法，涉及网络分析和推荐系统领域。本发明获取收藏条目到原始收藏条目的数据，以转发的收藏条目的创建用户来代表该转发链上的结点；引入最小操作代价函数作为相似度计算的初步输入；结合转发链长度以及转发链的信息流向根据最小操作代价值计算转发链间的相似度；根据转发链之间相同用户节点产生候选的推荐用户，利用目标用户转发链集合中转发链数据两两之间的相似度，结合转发链路径长度以及转发链上的候选用户密度对候选推荐用户目标计算推荐权重值；对候选用户权重值排序产生推荐结果。本发明利用用户的转发行为及转发对应的关系数据进行用户的潜在关注对象挖掘，实现用户关注推荐。
-
公开(公告)号：CN104881608A
公开(公告)日：2015-09-02
申请号：CN201510262308.8
申请日：2015-05-21
Applicant: 北京工业大学
CPC classification number: G06F21/577 , G06F21/562
Abstract: 一种基于模拟浏览器行为的XSS漏洞动态检测方法，爬虫模块含有浏览器的内核，可以模拟浏览器行为来解析JavaScript和加载Ajax以得到页面中隐藏式注入点，相比传统而言，该系统大大增加了对注入点的覆盖。漏洞检测模块使用黑盒测试的方法，在提交攻击向量后，通过模拟浏览器行为检测页面是否有异常情况出现，即能够检测浏览器是否执行了网页脚本，直接判断出当前注入点是否有漏洞，相比传统方法更加准确。此外，该方法完全采用python语言开发，具有易于维护和进行二次开发的特点，对XSS漏洞的检测与研究有非常重要的应用价值。
-
公开(公告)号：CN103714290A
公开(公告)日：2014-04-09
申请号：CN201310730756.7
申请日：2013-12-26
Applicant: 北京工业大学
IPC: G06F21/56
Abstract: 本发明涉及一种软件行为获取、监控与验证方法，包括：获取软件行为；监控软件行为；验证软件行为。针对现有软件行为监测、分析和验证方法中存在的不仅需要修改程序源码，而且编程负担较重，缺乏监控与分析粒度调控等问题，本发明从基于Java的面向对象编程语言的行为和属性的分析出发，结合UML和OCL技术，提供一种较为通用的软件行为获取、监控与验证方法，可以自动生成监控所需的AOP方面类，减少编码人员工作量；在不修改待验证系统源代码的情况下进行监控与验证；大量使用接口和动态链接库，易于维护和修改。使用本发明对软件系统进行监控和验证，可以对软件系统的可信性进行度量，并且保护软件系统正常运行。
-
公开(公告)号：CN118568420B
公开(公告)日：2024-11-08
申请号：CN202411037108.8
申请日：2024-07-31
Applicant: 北京工业大学
IPC: G06F18/10 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/084 , A61B5/246 , A61B5/00
Abstract: 本发明提供一种基于脑磁信号的脑机接口连续运动轨迹控制指令下达方法，涉及外科技术领域，包括：获取用户在运动想象时的脑磁信号；调用运动轨迹预测模型基于脑磁信号进行轨迹预测，得到目标运动轨迹预测数据；基于目标运动轨迹预测数据控制多自由度机械臂进行三维运动；其中，运动轨迹预测模型是基于脑磁信号样本训练得到，脑磁信号样本是被试者根据运动轨迹视频进行运动想象时产生，运动轨迹视频是根据被试者的手部运动时产生的三维运动轨迹数据样本生成。本发明使用具有更高空间分辨率的脑磁信号对运动想象任务进行高效解码，从而实现对运动轨迹的精确预测，进而构建基于脑磁信号的脑机接口连续运动轨迹控制指令，以控制机械臂进行精准运动。
-
公开(公告)号：CN118568420A
公开(公告)日：2024-08-30
申请号：CN202411037108.8
申请日：2024-07-31
Applicant: 北京工业大学
IPC: G06F18/10 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/084 , A61B5/246 , A61B5/00
Abstract: 本发明提供一种基于脑磁信号的脑机接口连续运动轨迹控制指令下达方法，涉及外科技术领域，包括：获取用户在运动想象时的脑磁信号；调用运动轨迹预测模型基于脑磁信号进行轨迹预测，得到目标运动轨迹预测数据；基于目标运动轨迹预测数据控制多自由度机械臂进行三维运动；其中，运动轨迹预测模型是基于脑磁信号样本训练得到，脑磁信号样本是被试者根据运动轨迹视频进行运动想象时产生，运动轨迹视频是根据被试者的手部运动时产生的三维运动轨迹数据样本生成。本发明使用具有更高空间分辨率的脑磁信号对运动想象任务进行高效解码，从而实现对运动轨迹的精确预测，进而构建基于脑磁信号的脑机接口连续运动轨迹控制指令，以控制机械臂进行精准运动。
-
-
-
-
-
-
-
-
-
Search Results
129
records
(took 0.031 seconds)
