-
公开(公告)号：CN114510991A
公开(公告)日：2022-05-17
申请号：CN202111613504.7
申请日：2021-12-27
Applicant: 北京理工大学
IPC: G06K9/62
Abstract: 本发明的启发式的不等长时间序列聚类核心集的构建方法，通过增加核心集Ct‑1的时间序列数据对象的权重，根据该权重采样不等长时间序列数据集TS的时间序列数据对象Tj，根据时间序列数据对象Tj构建稀疏矩阵A’，将稀疏矩阵A’利用SPIRAL算法中提出的循环坐标下降法进行矩阵分解得到TS的特征向量X；将特征向量X输入到LWCS算法得到时间序列数据Tj的采样概率Qt(i)，优化采样概率Qt(i)为采样概率Pt(i)；根据采样概率Pt(i)重构TS的核心集Ct；当核心集Ct‑1和核心集Ct中相同的时间序列数据Tj的个数大于预设阈值时，核心集Ct收敛，核心集Ct为不等长时间序列聚类的核心集C。使可能为核心集成员的数据对象的特征转换更准确且趋于稳定，实现高质量的核心集构建。
-
公开(公告)号：CN109165159B
公开(公告)日：2021-10-01
申请号：CN201810906860.X
申请日：2018-08-10
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于程序频谱的多缺陷定位方法，属于软件安全技术领域。包括以下步骤：步骤一：构造待缺陷定位检测的程序频谱；步骤二：对多缺陷定位问题建模,即构建候选缺陷分布种群，具体为使用二进制序列表示步骤一得到的待缺陷定位检测的程序频谱；步骤三：使用遗传算法对步骤二构建的候选缺陷分布种群的解空间进行搜索，得到用于定位的最优种群；步骤四：对步骤三得到的最优种群中的候选缺陷个体的怀疑值排序，得出最终的怀疑值排名。本发明通过对多缺陷定位问题进行建模，并使用遗传算法得到函数怀疑值列表，能够对程序中的多缺陷同时定位；通过基于程序频谱的多缺陷定位方法以及遗传算法，有效提高了多缺陷的定位效率以及定位准确率。
-
公开(公告)号：CN113066173A
公开(公告)日：2021-07-02
申请号：CN202110431928.5
申请日：2021-04-21
Applicant: 国家基础地理信息中心 , 北京速策科技有限公司 , 北京理工大学
Abstract: 本申请提供一种三维模型构建方法、装置和电子设备，通过获取测区内的多张历史影像，提取每张历史影像中的特征点，并针对每任意两张历史影像，对两张历史影像中的特征点进行匹配，得到多组匹配点。根据每任意两张历史影像的匹配点对多张历史影像进行匹配连接，得到测区对应的连接影像。基于连接影像创建对应的数字地表模型，并提取连接影像的纹理特征，将纹理特征贴附至数字地表模型得到测区的三维模型。该方案通过特征点匹配的方式，可提高影像连接的精确度，且通过地表模型构建和纹理特征贴附的方式，可实现自动、快速地三维模型构建，提高构建效率。
-
公开(公告)号：CN112163707A
公开(公告)日：2021-01-01
申请号：CN202011068745.3
申请日：2020-09-30
Applicant: 北京理工大学
IPC: G06Q10/04 , G06Q50/18 , G06F40/30 , G06F40/289 , G06N3/04
Abstract: 本公开的基于贝叶斯网络的刑期预测方法，通过包括：对已审裁判文书数据进行预处理；利用预处理的已审裁判文书数据进行贝叶斯网络结构学习，得到已审裁判文书法律要素样本集和贝叶斯网络结构；采用极大似然估计法从所述已审裁判文书法律要素样本集进行贝叶斯网络结构参数学习，得到贝叶斯网络刑期预测模型；将未审裁判文书数据输入到贝叶斯网络刑期预测模型，输出刑期预测结果。能够在不确定或不完善的信息条件下，利用诊断推理识别刑期(量刑)重要因素，给出刑期依据和解释，刑期预测模型和刑期预测结果的可解释性强，从裁判文书数据中学习贝叶斯网络结构，克服了专家构建贝叶斯网络的主观性，提高了刑期的准确性，减少搜索空间，提高学习速度。
-
公开(公告)号：CN108108184B
公开(公告)日：2020-12-04
申请号：CN201711380042.2
申请日：2017-12-20
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于深度信念网络的源代码作者识别方法，属于Web挖掘和信息抽取领域。本发明包括如下步骤：构建源代码数据集，对源代码数据进行预处理；基于连续n‑gram代码段模型提取源代码特征；基于训练源代码文件样本训练深度信念网络模型；利用经过训练的深度信念网络模型进行源代码文件的作者识别，输出源代码文件的作者识别结果。本发明将源代码作者识别问题转换为分类问题，通过深度信念网络识别源代码的作者身份，提高了作者身份识别的性能和效率，在信息检索、信息安全、计算机取证等领域具有广阔的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN105490858B
公开(公告)日：2018-08-03
申请号：CN201510929845.3
申请日：2015-12-15
Applicant: 北京理工大学
IPC: H04L12/24
Abstract: 本发明提供一种网络结构的动态链路预测方法，其包括以下步骤：步骤一，输入服务对象对应的网络结构；步骤二，对输入的网络结构进行杰卡德距离的转换，获得处理后的网络结构；步骤三，计算网络结构中两两节点之间的距离；步骤四，获取当前时刻下标记优先级的网络结构：步骤五，在下一时刻中重复执行步骤一至步骤四，获得下一时刻标记优先级的网络结构，且该下一时刻各链路的优先级顺延当前时刻的优先级，并按时间先后从高到低依次标记；步骤六，每一时刻标记优先级的网络结构均为一个网络结构的预测结果，供用户进行服务对象的分析处理。基于动态的网络拓扑结构，顾及复杂网络的动态演化机制且具有计算复杂度较低，适用于大规模网络的链路预测。
-
公开(公告)号：CN108108184A
公开(公告)日：2018-06-01
申请号：CN201711380042.2
申请日：2017-12-20
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于深度信念网络的源代码作者识别方法，属于Web挖掘和信息抽取领域。本发明包括如下步骤：构建源代码数据集，对源代码数据进行预处理；基于连续n‑gram代码段模型提取源代码特征；基于训练源代码文件样本训练深度信念网络模型；利用经过训练的深度信念网络模型进行源代码文件的作者识别，输出源代码文件的作者识别结果。本发明将源代码作者识别问题转换为分类问题，通过深度信念网络识别源代码的作者身份，提高了作者身份识别的性能和效率，在信息检索、信息安全、计算机取证等领域具有广阔的应用前景。
-
公开(公告)号：CN106777275A
公开(公告)日：2017-05-31
申请号：CN201611241946.2
申请日：2016-12-29
Applicant: 北京理工大学
CPC classification number: G06F17/30864 , G06F17/278 , G06F17/30705
Abstract: 本发明涉及一种基于多粒度语义块的实体属性和属性值提取方法，属于Web挖掘和信息抽取技术领域；包括如下步骤：构建语料集并进行自由文本提取；对语料进行分词、词性标注以及短语识别；对语料进行语义角色标注；对语料进行依存句法分析；对语料进行语义依存分析；提取基于词语、短语和语义角色三种粒度的候选实体、属性及其属性值三元组；利用经训练的分类器对候选实体、属性和属性值三元组进行正确和错误分类。对比现有技术，本发明通过从自由文本中自动提取词语、短语和语义角色三种粒度的实体、属性和属性值，提高了实体的属性和属性值提取的准确性和效率，在主题检测、信息检索、自动文摘、问答系统等领域具有广阔的应用前景。
-
公开(公告)号：CN105490858A
公开(公告)日：2016-04-13
申请号：CN201510929845.3
申请日：2015-12-15
Applicant: 北京理工大学
IPC: H04L12/24
Abstract: 本发明提供一种网络结构的动态链路预测方法，其包括以下步骤：步骤一，输入服务对象对应的网络结构；步骤二，对输入的网络结构进行杰卡德距离的转换，获得处理后的网络结构；步骤三，计算网络结构中两两节点之间的距离；步骤四，获取当前时刻下标记优先级的网络结构：步骤五，在下一时刻中重复执行步骤一至步骤四，获得下一时刻标记优先级的网络结构，且该下一时刻各链路的优先级顺延当前时刻的优先级，并按时间先后从高到低依次标记；步骤六，每一时刻标记优先级的网络结构均为一个网络结构的预测结果，供用户进行服务对象的分析处理。基于动态的网络拓扑结构，顾及复杂网络的动态演化机制且具有计算复杂度较低，适用于大规模网络的链路预测。
-
公开(公告)号：CN114579270B
公开(公告)日：2024-12-03
申请号：CN202210172467.9
申请日：2022-02-24
Applicant: 北京理工大学 , 深圳市数瑞数据智能技术研究所
IPC: G06F9/48 , G06F9/50 , H04L41/14 , H04L41/147 , H04L41/5041 , H04L41/5051 , H04L67/51
Abstract: 本发明公开了一种基于资源需求预测的任务调度方法及系统，包括：获取待执行任务；通过预测模型对待执行任务进行预测，得到待执行任务的资源需求量，以及执行待执行任务所需时间；根据预测得到的待执行任务的资源需求量，以及执行待执行任务所需时间，同时结合所有执行器的工作状态，通过调度模型对待执行任务进行调度；通过该方法能够对用户提交的任务进行合理调度，进而最大化利用云、网、端资源，并尽量缩短任务的整体执行时间，提高任务调度系统的响应速度。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.027 seconds)
