-
公开(公告)号：CN103034528B
公开(公告)日：2015-07-29
申请号：CN201110295940.4
申请日：2011-09-30
Applicant: 同济大学
Abstract: 本发明涉及一种基于本体的多Agent审批任务数据处理方法，包括以下步骤：A)根据审批任务的描述性文字信息对其进行本体自动构建；B)审批服务发现Agent将本体与审批服务本体库进行语义匹配，搜索最相近的审批业务；C)审批任务调度Agent将步骤B)中搜索到的审批业务分为包括若干步骤的业务流，并对审批任务进行调度，审批进度监控Agent监控调度进度并向审批任务调度Agent作反馈；D)审批任务启动Agent根据数据库中设定的优先级和顺序号，处理步骤C)中的业务流，并在出现审批流程错误时进行通知。与现有技术相比，本发明在不修改原有信息系统结构的基础上，实现了异构系统的信息共享，能够极大地减少语义缺失问题，通过多Agent可智能化地进行任务的调度和处理。
-
公开(公告)号：CN104598474A
公开(公告)日：2015-05-06
申请号：CN201310532501.X
申请日：2013-10-30
Applicant: 同济大学
IPC: G06F17/30
CPC classification number: G06F17/30867
Abstract: 本发明涉及一种云环境下基于数据语义的信息推荐方法，该方法通过基础数据和用户偏好信息的语义化模块、云环境下海量语义信息索引模块以及基于语义计算的信息推荐模块实现信息推荐，其中基础数据和用户偏好信息的语义化模块，通过云平台获取基础数据和用户偏好信息，并对基础数据和用户偏好信息进行语义化描述，构件基础数据和用户偏好信息的本体库；云环境下海量语义信息索引模块，对语义化的信息构造索引结构，并在索引节点过载时，进行索引的分裂和重组；基于语义计算的信息推荐模块，对基础数据和用户偏好信息的本体进行语义计算，获取信息推荐结果。与现有技术相比，本发明具有实时性好、鲁棒性高、推荐质量高等优点。
-
公开(公告)号：CN102346873B
公开(公告)日：2013-08-14
申请号：CN201010240541.3
申请日：2010-07-29
Applicant: 同济大学
IPC: G06F17/30
Abstract: 本发明涉及一种不确定数据上的多准则信息处理方法，包括以下步骤：(1)对面向不确定数据的多准则信息查询进行等价重写；(2)对概率关系部件上的多准则信息查询进行优化；(3)查询优化器生成概率关系部件上多准则信息查询执行计划；(4)查询处理器根据步骤(3)生成的计划对面向不确定数据的多准则信息进行查询，并将结果通过显示器显示。与现有技术相比，本发明具有提高企业的经济效益和市场竞争力等优点。
-
公开(公告)号：CN102346873A
公开(公告)日：2012-02-08
申请号：CN201010240541.3
申请日：2010-07-29
Applicant: 同济大学
Abstract: 本发明涉及一种不确定数据上的多准则信息处理方法，包括以下步骤：(1)对面向不确定数据的多准则信息查询进行等价重写；(2)对概率关系部件上的多准则信息查询进行优化；(3)查询优化器生成概率关系部件上多准则信息查询执行计划；(4)查询处理器根据步骤(3)生成的计划对面向不确定数据的多准则信息进行查询，并将结果通过显示器显示。与现有技术相比，本发明具有提高企业的经济效益和市场竞争力等优点。
-
公开(公告)号：CN108650141B
公开(公告)日：2021-09-14
申请号：CN201810488727.7
申请日：2018-05-21
Applicant: 同济大学
Abstract: 一种基于车联网连通基的大规模网络通达性模型。考虑车联网网络节点冗余特性，给出了一种车联网网络拓扑结构，即车联网连通基,并利用启发式算法给出了连通基构造方法。从连通基内部结构属性和动态特性出发，结合平滑高斯‑半马尔科夫移动模型，证明了车联网大规模网络的连通性和稳定性，给出了车联网通达性理论模型，该理论模型可以对车联网高动态环境下的网络连通性以及稳定性进行准确评估，同时为网络层提供理论支撑，为应用层提供实时数据保障，使得车联网高动态网络环境下保持稳定持久的传输重要信息，例如交通事故信息、实时媒体数据等，具有重要的理论和实际应用价值。
-
Patent Agency Ranking
公开(公告)号：CN109302696B
公开(公告)日：2021-04-30
申请号：CN201811001452.6
申请日：2018-08-30
Applicant: 同济大学
Abstract: 现有针对车联网的社区聚类方法多采用当前速度与行驶方向等预估车辆未来时刻位置来判断未来节点间保持连接的时长，并以此作为聚类依据之一以提高社区稳定性。但由于车辆未来时刻位置受多重因素影响，预估通信连接时间的准确度较低，导致车联网中的社区多呈现生命周期短，节点社区归属变化迅速的特点。同时，现有的车联网社区路由协议将社区中的关键节点作为转发的主要节点，造成关键节点负载过高的问题。本发明针对以上问题给出“车联网自组织网络的多角色分类社区聚类方法”，在社区聚类过程中考虑车辆未来时刻位置，并在社区中细化角色分配。社区属性以及社区节点角色定义包括社区属性，社区节点角色。社区聚类与角色分配方法包括社区形成，社区维护。
-
公开(公告)号：CN107729497B
公开(公告)日：2020-08-14
申请号：CN201710982103.6
申请日：2017-10-20
Applicant: 同济大学
Inventor： 黄震华
Abstract: 本发明公开一种基于知识图谱的词嵌入深度学习方法。训练样本集构造阶段，首先依据语义强度对知识图谱中的实体关系进行划分，然后基于划分后的各实体关系组来产生不同路径长度的训练样本。词嵌入深度学习阶段，通过构造由word2vec编码器、卷积神经网络、门控循环单元网络、softmax分类器以及逻辑回归器等部件组成的三任务深度神经网络结构，然后以前一阶段所产生的训练样本集为输入来迭代优化深度神经网络结构的参数。训练完成后，保留word2vec编码器和卷积神经网络两个部件构成词嵌套编码器。与现有技术相比，本发明具有词嵌入准确度高、泛化能力强以及简单易实现等优点，能够有效应用于大数据分析、电子商务、智能交通、医疗健康以及智能制造等领域。
-
公开(公告)号：CN107832353B
公开(公告)日：2020-04-14
申请号：CN201710993388.3
申请日：2017-10-23
Applicant: 同济大学
Abstract: 本发明公开一种社交媒体平台虚假信息识别方法，其中：虚假信息样本集生成模块使用孪生生成式对抗网络(SGAN：Siamese Generative Adversarial Network)模型来构造并生成大规模的基础虚假信息样本集，然后通过无监督学习和有监督学习相结合的方式对所生成的基础虚假信息样本的虚假等级进行标记。虚假信息离线识别学习模块基于深度学习技术来训练虚假信息的识别并迭代优化深度识别模型的参数。虚假信息在线识别模块首先使用探索‑利用策略获取新发布信息中的候选虚假信息集，然后对候选虚假信息集中的信息进行实时虚假识别和评级。与现有技术相比，本发明具有准确度高、泛化能力强以及速度快等优点，能够有效应用于电子商务、医疗健康、网络信息安全以及舆情监控等领域。
-
公开(公告)号：CN107562792B
公开(公告)日：2020-01-31
申请号：CN201710646328.4
申请日：2017-07-31
Applicant: 同济大学
Inventor： 黄震华
IPC: G06F16/332 , G06N3/04
Abstract: 本发明涉及一种基于深度学习的问答匹配方法，主要包括两个步骤：1)利用长短期记忆网络(LSTM：Long Short‑Term Memory)和卷积神经网络(CNN：Convolutional Neural Network)两种深层次的深度神经网络，充分学习问题和答案文本的词序以及句子局部特征；2)基于注意力机制(AM：Attention Mechanism)的池化方式选择出语义匹配最好的关键词。与现有方法相比，本发明具有特征工程工作量低、跨领域性强以及准确度较高等优点，能够有效应用于商业智能客服机器人、自动驾驶、互联网医疗、在线论坛以及社区问答等领域。
-
公开(公告)号：CN109302696A
公开(公告)日：2019-02-01
申请号：CN201811001452.6
申请日：2018-08-30
Applicant: 同济大学
Abstract: 现有针对车联网的社区聚类方法多采用当前速度与行驶方向等预估车辆未来时刻位置来判断未来节点间保持连接的时长，并以此作为聚类依据之一以提高社区稳定性。但由于车辆未来时刻位置受多重因素影响，预估通信连接时间的准确度较低，导致车联网中的社区多呈现生命周期短，节点社区归属变化迅速的特点。同时，现有的车联网社区路由协议将社区中的关键节点作为转发的主要节点，造成关键节点负载过高的问题。本发明针对以上问题给出“车联网自组织网络的多角色分类社区聚类方法”，在社区聚类过程中考虑车辆未来时刻位置，并在社区中细化角色分配。社区属性以及社区节点角色定义包括社区属性，社区节点角色。社区聚类与角色分配方法包括社区形成，社区维护。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.017 seconds)
