-
公开(公告)号：CN118568661A
公开(公告)日：2024-08-30
申请号：CN202410655575.0
申请日：2024-05-24
Applicant: 大连理工大学
IPC: G06F18/25 , G06F21/62 , G06F18/22 , G06N3/0464 , G06F18/15
Abstract: 本发明一种泄露数据融合分析方法，包括以下步骤：对不同领域的泄漏数据进行处理，再将不同格式和结构的泄漏数据转化为统一的格式；将来自不同领域的已泄露数据进行多模态融合；利用相似度匹配算法和模式识别方法，对已融合的泄露数据进行匹配和分类，通过与已分级信息的数据泄露信息特征词进行比对和匹配，确定泄露数据与已分级信息的数据泄露信息特征词的相似度和关联程度；根据匹配结果，将泄露数据各元素分为不同的级别；利用层次分析法对泄露数据各元素进行权重的分析，最后通过模糊逻辑的方法对泄露数据的风险进行评估，在计算出风险值后，将数据泄露风险等级根据数据泄露风险值划分不同安全风险等级，该方法来可以用来保护数据安全和隐私。
-
公开(公告)号：CN117201122A
公开(公告)日：2023-12-08
申请号：CN202311162248.3
申请日：2023-09-11
Applicant: 大连理工大学
IPC: H04L9/40 , G06F18/213 , G06N3/048 , G06N3/088 , H04L41/16
Abstract: 本发明提出一种基于视图级图对比学习的无监督属性网络异常检测方法及系统，包括对有效数据进行预处理得到原始输入图数据集；构建目标视图和自增强视图；规范化目标视图和自增强视图，建模生成目标视图的嵌入表示和自增强视图的嵌入表示；解码自增强视图的嵌入表示，生成重构的原始输入图邻接矩阵并计算结构重构误差；解码自增强视图的嵌入表示得到重构的原始输入图节点属性矩阵并计算属性重构误差；构建异常得分函数计算每个节点的异常分数，根据每个节点的异常分数识别异常节点；联合训练得到基于视图级图对比学习的无监督属性网络异常检测模型；将待检测的属性网络输入基于视图级图对比学习的无监督属性网络异常检测模型中，得到检测结果。
-
公开(公告)号：CN117172492A
公开(公告)日：2023-12-05
申请号：CN202311183997.4
申请日：2023-09-13
Applicant: 大连理工大学
IPC: G06Q10/0631 , G06Q50/26
Abstract: 本发明公开一种水库生态调度方案确定方法、系统、电子设备及介质，涉及水库调度技术领域，所述方法包括：获取待调度水库历史时期每月的入库流量和每天的气象数据；根据多个调度目标构建水库多目标优化调度模型以及确定多个深度不确定因素；采用带全局存档的NSGA‑II多目标优化算法对水库多目标优化调度模型进行求解得到多个调度图；基于各深度不确定因素的预设变化范围得到多个情景；根据各情景、调度图、历史时期每月的入库流量和每天的气象数据，得到每个调度图的稳健性，根据稳健性得到水库生态调度方案。本发明可客观地评价并筛选出可持续的水库生态调度方案。
-
公开(公告)号：CN117094119A
公开(公告)日：2023-11-21
申请号：CN202310774016.7
申请日：2023-06-28
Applicant: 大连理工大学
IPC: G06F30/20 , G06Q50/06 , G06F111/06 , G06F119/08 , G06F119/14 , G06F113/08
Abstract: 本发明提供了一种考虑发电、生态流量和表面水温的水库调度方法，涉及水库水环境管理技术领域，通过分析明确水库发电、生态流量和表面水温的多优化目标，并构建多目标优化模型，利用NSGAII多目标优化算法进行求解得到待优化参数的最优值；基于所述待优化参数的最优值对水库进行调度控制；本发明通过多目标优化方法量化水库发电、生态流量和表面水温之间的竞争协同关系，并通过分析选定能够平衡水库发电、生态流量和表面水温的水库调度规则，在保证水库发电量的同时，保障了水库下游鱼类的生长环境，同时降低了库区藻类过度繁殖的风险，促进了水库建设的可持续发展。
-
公开(公告)号：CN110807327B
公开(公告)日：2022-11-08
申请号：CN201910982694.6
申请日：2019-10-16
Applicant: 大连理工大学
IPC: G06F40/295 , G06N3/04 , G06N3/08 , G16B50/10
Abstract: 本发明属于计算机自然语言处理技术领域，提供了一种基于语境化胶囊网络的生物医学实体识别方法，包括以下步骤：S1:获取生物医学相关语料；S2:对获取的相关文本进行数据预处理操作；S3:构建语境化胶囊网络的生物医学实体识别模型，并在训练集上进行训练；S4:利用训练好的语境化胶囊网络模型对未知的生物医学文本进行命名实体识别；S5:后处理操作，即在语境化胶囊网络模型预测的结果基础上设置所有的非法标签为“O”，进一步提高实体识别性能。本发明提出的方法实现了自动识别生物医学文献中的命名实体，较人工识别方式有更高的识别准确率和更少的时间开销，且有更强的泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN109977752B
公开(公告)日：2022-04-12
申请号：CN201910041388.2
申请日：2019-01-16
Applicant: 大连理工大学
IPC: G06V40/20 , G06V20/40 , G06F16/78 , G06F16/9032
Abstract: 一种基于序列模式挖掘的羽毛球运动员技战术分析方法，包括：S1、视频数据采集和场地编码、S2、对运动员动作进行人工标注、S3、面向羽毛球技战术分析的字符串匹配、S4、统计输出。本发明采用高效的羽毛球技战术编码方式对输入的羽毛球比赛运动视频进行标注；后利用字符串匹配方法将待分析运动员在所采集的比赛视频中每次得分所采用的人工标注字符串数据与每一关键技战术的代码进行匹配分析。然后依据预设关键技战术的代码在待分析运动员得分点的动作中出现的频率判断该运动员常用的羽毛球技战术。本方法有助于对羽毛球运动员认识自身的技术优势，从而提高自身技战术水平及教练团队进行赛前的技战术分析和赛后的技战术总结具有重大意义。
-
公开(公告)号：CN110807327A
公开(公告)日：2020-02-18
申请号：CN201910982694.6
申请日：2019-10-16
Applicant: 大连理工大学
IPC: G06F40/295 , G06N3/04 , G06N3/08 , G16B50/10
Abstract: 本发明属于计算机自然语言处理技术领域，提供了一种基于语境化胶囊网络的生物医学实体识别方法，包括以下步骤：S1:获取生物医学相关语料；S2:对获取的相关文本进行数据预处理操作；S3:构建语境化胶囊网络的生物医学实体识别模型，并在训练集上进行训练；S4:利用训练好的语境化胶囊网络模型对未知的生物医学文本进行命名实体识别；S5:后处理操作，即在语境化胶囊网络模型预测的结果基础上设置所有的非法标签为“O”，进一步提高实体识别性能。本发明提出的方法实现了自动识别生物医学文献中的命名实体，较人工识别方式有更高的识别准确率和更少的时间开销，且有更强的泛化能力。
-
公开(公告)号：CN109840626A
公开(公告)日：2019-06-04
申请号：CN201910041449.5
申请日：2019-01-16
Applicant: 大连理工大学
IPC: G06Q10/04 , G06Q40/06 , G06F16/951 , G06N3/04 , G06N3/08
Abstract: 一种基于卷积神经网络模型的股市预测方法，包括：S1、数据收集、S2、数据处理、S3、训练神经网络模型、S4、预测股市走势四大步骤。本发明通过采集和分析上市公司的财经新闻语料，并根据DJIA历史数据对财经新闻语料进行标注，将标注后的财经语料信息作为卷积神经网络模型输入值，从而经卷积神经网络模型的处理输出新闻标注的预测值，进而通过新闻标注的预测值即可预测DJIA的涨跌情况及股市走势。本发明经交叉验证可以达到65.5%的预测准确率。
-
公开(公告)号：CN104750819B
公开(公告)日：2018-01-23
申请号：CN201510147696.5
申请日：2015-03-31
Applicant: 大连理工大学
Abstract: 一种基于词分组排序算法的生物医学文献检索方法及系统，检索方法包括S1、搜索引擎查询提取步骤；S2、候选扩展词汇提取步骤；S3、候选扩展词汇的特征提取及标注步骤；S4、候选扩展词汇排序模型训练步骤；S5、在线搜索引擎查询与提取步骤；S6、在线候选扩展词汇提取及其特征提取及打分步骤；S7、查询结果返回步骤。检索系统包括搜索引擎查询提取模块、候选扩展词汇提取模块、候选扩展词汇的特征提取及标注模块、候选扩展词汇排序模型训练模块、查询重构模块、查询结果返回模块。本发明从查询扩展角度出发，通过在查询扩展中利用词分组排序算法和生物医学领域固有词典资源选择最能表达用户信息需求的专业词汇，完成检索任务，改善检索的性能。
-
公开(公告)号：CN104750819A
公开(公告)日：2015-07-01
申请号：CN201510147696.5
申请日：2015-03-31
Applicant: 大连理工大学
Abstract: 一种基于词分组排序算法的生物医学文献检索方法及系统，检索方法包括S1、搜索引擎查询提取步骤；S2、候选扩展词汇提取步骤；S3、候选扩展词汇的特征提取及标注步骤；S4、候选扩展词汇排序模型训练步骤；S5、在线搜索引擎查询与提取步骤；S6、在线候选扩展词汇提取及其特征提取及打分步骤；S7、查询结果返回步骤。检索系统包括搜索引擎查询提取模块、候选扩展词汇提取模块、候选扩展词汇的特征提取及标注模块、候选扩展词汇排序模型训练模块、 查询重构模块、查询结果返回模块。本发明从查询扩展角度出发，通过在查询扩展中利用词分组排序算法和生物医学领域固有词典资源选择最能表达用户信息需求的专业词汇，完成检索任务，改善检索的性能。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.023 seconds)
