-
公开(公告)号：CN107592212B
公开(公告)日：2020-08-14
申请号：CN201710650197.7
申请日：2017-08-02
Applicant: 同济大学
Abstract: 基于流体力学的车联网数据流网络模型的车辆自组织网络容量计算模型构造方法，其特征在于，利用与网络容量相关的网络特性的描述方程，推导出车辆自组网网络容量计算模型。从而可以从理论角度指导车联网应用的设计与运行，为评价网络协议的高效性提供指标。同时也可以让我们更深入地理解车联网的基本性质，改善车联网网络性能，为车联网大规模容量的提高提供了理论基础。
-
公开(公告)号：CN106899668B
公开(公告)日：2019-12-03
申请号：CN201710099060.7
申请日：2017-02-23
Applicant: 同济大学
IPC: H04L29/08
Abstract: 本发明提出了一种新颖的车联网中信息推送服务处理方法。在该技术中，首先依据车联个体属性特征将车联网分割成若干个子车联网，使得分割前后的车联网全局相关度损失最小；然后，基于系统中空闲服务器的数量，在这些服务器上优化分配并处理子车联网，从而均衡空闲服务器的工作负载；对于服务器上子车联网中的每个车联个体，获取它兴趣度最高的局部被推送信息，并在整体车联网中，对被推送信息进行全局调整，以便到达最优的信息推送效果。本发明能够显著提高车联网中信息推送服务的准确性、多样性以及效率。
-
公开(公告)号：CN104639590B
公开(公告)日：2017-11-07
申请号：CN201310571237.0
申请日：2013-11-13
Applicant: 同济大学
IPC: H04L29/08
Abstract: 本发明涉及一种终端获取云服务的方法，包括以下步骤：(1)云服务池动态维护和更新模块在每个单位时间内区分并分别维护三类云服务，即活跃云服务、待验证云服务和失效云服务；(2)终端用户获取云服务模块在用户发出需求指令时被触发，并快速定位和返回指令所请求的云服务集合。与现有技术相比，本发明利用基于云端服务池存储架构的动态维护和更新算法来降低三类云服务的比较次数，从而降低CPU和I／O开销；能够灵活地并行处理多种异构终端系统的云服务获取指令；采用高效多终端云服务获取算法来同时并行处理多个异构终端用户发出的需求指令，能够有效缩减多终端用户云服务获取总时间开销。
-
公开(公告)号：CN107240028A
公开(公告)日：2017-10-10
申请号：CN201710303329.9
申请日：2017-05-03
Applicant: 同济大学
Abstract: 针对目前关于复杂网络演化中重叠社区发现的研究并没有考虑节点个体的动态演化、不均匀活跃度分布和多尺度性(Multi‐scaling)，使得重叠社区不能同时有较高的NMI(NMI，Normalized Mutual Information)和F‐score值等问题，本发明公开一种复杂网络中基于节点活跃度的非对称社团扩展的重叠社区发现及预测方法。首先，定义节点活跃度，将节点活跃度用于重叠社区扩展的目标函数；然后，社区扩展及使用最大社团作为扩展种子；最后，给出基于节点活跃度的非对称社团扩展算法。本发明从根本上提升了复杂网络中的重叠社区的检测准确率，并且对未来重叠社区具有较好的预测能力。
-
公开(公告)号：CN107239498A
公开(公告)日：2017-10-10
申请号：CN201710303323.1
申请日：2017-05-03
Applicant: 同济大学
CPC classification number: G06F16/2465 , G06Q50/01
Abstract: 一种挖掘重叠社区动态演化关联规则的方法。复杂网络演化研究的根本目的是彻底理解网络演化的底层机制。目前的研究主要为对基本演化法则的探索，分析总体拓扑性质以及节点如何演化等。对重叠社区演化的研究局限于检测其合并、分裂、收缩、增长等动态事件，分析其演化的稳定性等，没有提出一种挖掘重叠社区动态演化关联规则的方法，也无法根据重叠社区过去的演化事件预测未来发生的变化。本发明通过挖掘复杂网络中重叠社区动态演化中的“增长分裂”、“合并后增长”等特定演化序列，给出一种动态演化关联规则的方法，从而有助于深入理解重叠社区动态特征并且预测其演化，为理解复杂网络重叠社区动态演化的底层机制提供一种新的分析工具。
-
Patent Agency Ranking
公开(公告)号：CN107145964A
公开(公告)日：2017-09-08
申请号：CN201710227808.7
申请日：2017-04-10
Applicant: 同济大学
Inventor： 黄震华
IPC: G06Q10/04
CPC classification number: G06Q10/04
Abstract: 本发明公开一种基于遗传编程的多元回归预测模型优化方法，通过初始多元回归预测模型簇构造和多元回归预测模型簇进化两个模块来获取最优的多元回归预测模型。初始多元回归预测模型簇构造模块生成用户指定数量的多元回归预测模型个体，并优化每个模型个体的权重参数。多元回归预测模型簇进化模块对初始多元回归预测模型簇进行解析之后，基于遗传编程策略实现选择、解析、交叉、变异和评估五个操作的迭代处理，并将最终的最优多元回归预测模型个体返回给用户。与现有技术相比，本发明具有准确度高、速度快以及泛化能力强等优点，能够有效应用于智能交通、电子商务、生物信息、医疗健康和社会公共安全等领域。
-
公开(公告)号：CN107145518A
公开(公告)日：2017-09-08
申请号：CN201710227915.X
申请日：2017-04-10
Applicant: 同济大学
Abstract: 本发明公开一种社交网络下基于深度学习的个性化推荐系统，主要包括离线学习模块和在线推荐模块。离线学习模块首先生成训练样本集合，进而构造带注意力机制的深度卷积神经网络学习模型，并对学习模型中的参数进行迭代优化；在线推荐模块基于训练得到的学习模型对新注册的用户进行实时物品推荐。与现有技术相比，本发明具有准确度高、速度快和简单易实现等优点，能够有效应用于电子商务、舆情监控、智能交通以及医疗健康等领域。
-
公开(公告)号：CN106909648A
公开(公告)日：2017-06-30
申请号：CN201710099250.9
申请日：2017-02-23
Applicant: 同济大学
IPC: G06F17/30
CPC classification number: G06F16/283 , G06F16/2465
Abstract: 本发明提出一种大数据轮廓类挖掘方法。在该技术中，我们首先设计了一种k路轮廓层次树，在此基础上，进而将大数据上的各轮廓对象的位置信息组织成k路轮廓层次树，最后在基于密度聚类轮廓对象的过程中，利用k路轮廓层次树的多个剪枝性质来快速产生所有的轮廓类。本发明能够增加大数据分析的多样性以及显著提高轮廓类的挖掘效率。
-
公开(公告)号：CN103714095B
公开(公告)日：2017-02-01
申请号：CN201210380730.X
申请日：2012-10-09
Applicant: 同济大学
IPC: G06F17/30
Abstract: 本发明涉及一种面向模糊数据库的多维轮廓计算数据处理方法，通过等价重构模块、子轮廓优化模块以及模糊数据库模式设计模块实现对多维轮廓计算的数据处理，等价重构模块接收到用户的多维轮廓计算请求后，对该多维轮廓计算进行等价重构，分解为若干个子轮廓计算和若干个轮廓视图分别进行处理，再向用户返回结果。与现有技术相比，本发明具有高效、准确等优点，能够有效应用于城市规划、智能监控、互联网舆情监测和数建模等领域。
-
公开(公告)号：CN104966125A
公开(公告)日：2015-10-07
申请号：CN201510228294.8
申请日：2015-05-06
Applicant: 同济大学
Abstract: 本发明涉及一种社交网络的物品评分及推荐方法，包括以下步骤：1)根据用户组U对已评分的物品组I的评分值建立用户-物品评分二部图，计算用户组U中两用户间的相似度，并预测用户组U中的目标用户u对待评分物品j的评分，并得到预测用户-物品评分二部图；2)根据用户组U的社交网络建立用户-用户好友关系不可分图，并根据预测用户-物品评分二部图和用户-用户好友关系不可分图计算得到用户-物品评分矩阵R和用户-用户好友关系矩阵A。3)选定一个权值a，通过同一化A和R来建立物品推荐融合矩阵X；4)根据物品推荐融合矩阵X，向用户组U中的目标用户u推荐物品。与现有技术相比，本发明具有方法先进、可行性高等优点。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.022 seconds)
