-
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。
-
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。
-
Patent Agency Ranking
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：CN107509220B
公开(公告)日：2020-08-11
申请号：CN201710537715.4
申请日：2017-07-04
Applicant: 东华大学
Abstract: 本发明提供了一种基于历史强化学习的车联网负载均衡接入方法，首先通过初始强化学习模块获得车辆的接入基站分配模式，并不断地积累于接入模式积累库中；经过学习积累，令历史强化学习模块代替初始强化学习模块持续在系统中驻留运行，当基站再次遇到网络变化时，历史强化学习模块调用接入模式积累库中的历史记录，自适应地学习出新的车辆接入分配模式，并记录，形成一个自适应处理网络动态变化的运行环，从而在动态变化的车联网环境中，保证车辆接入的网络负载均衡。本发明利用交通流的时空分布潜在规律性，从与环境迭代反馈中，学习和利用历史负载均衡的车辆接入时空经验，从而在动态环境中持续获得能保证网络负载均衡的车辆接入基站分配方案。
-
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。
-
公开(公告)号：CN110414780A
公开(公告)日：2019-11-05
申请号：CN201910525239.3
申请日：2019-06-18
Applicant: 东华大学
IPC: G06Q10/06 , G06Q40/02 , 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：CN110084609A
公开(公告)日：2019-08-02
申请号：CN201910327470.1
申请日：2019-04-23
Applicant: 东华大学
Abstract: 本发明涉及一种基于表征学习的交易欺诈行为深度检测方法，其特征在于，包括以下步骤：建立基于Autoencoder模型的表征学习multi-representation结构，通过BaggingBalance方法从交易数据中抽取数据集，得到相对应的表征学习向量；建立OSD-DF分类结构，将multi-representation结构得到表征学习向量作为OSD-DF分类结构的输入，训练OSD-DF分类结构，得到交易数据的欺诈检测结果。本发明提出的电子交易欺诈检测方法，可以有效检测电子交易中的欺诈行为。本发明提供的方法从实用性角度出发，建立了电子交易欺诈检测方法的框架，为解决欺诈交易检测提供了技术支持。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.042 seconds)
