-
公开(公告)号：CN115508335A
公开(公告)日：2022-12-23
申请号：CN202211290178.5
申请日：2022-10-21
Applicant: 哈尔滨工业大学(威海) , 长江时代通信股份有限公司
Abstract: 本方案涉及一种基于傅里叶变换的拉曼光谱曲线数据增强方法。所述方法包括：获取待处理拉曼光谱曲线进行快速傅里叶变换得到拉曼光谱曲线频域图；将拉曼光谱曲线频域图中的两端极端频率曲线峰屏蔽，得到目标拉曼光谱曲线频域图；确定频域掩模起始位置与宽度并执行频域屏蔽操作，判断对目标拉曼光谱曲线频域图的频域屏蔽操作是否合法；若合法，则对目标拉曼光谱曲线频域图进行逆傅里叶变换，得到数据增强的拉曼光谱曲线。通过利用快速傅里叶变换获得的拉曼光谱曲线对应的频域图进行屏蔽操作，可以保留原有拉曼光谱曲线数据的基本框架，在部分频率点进行轻微扰动，以达到合理数据扩充的目的，可以提升机器学习模型分类效果。
-
公开(公告)号：CN114756713A
公开(公告)日：2022-07-15
申请号：CN202210267016.3
申请日：2022-03-17
Applicant: 哈尔滨工业大学(威海) , 南京龙垣信息科技有限公司
IPC: G06F16/901 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于多源交互融合的图表示学习方法，包括如下步骤：提取图结构形式的网络中的节点属性、节点类别以及节点之间的邻接关系；采用基于BFS、DFS的元路径高阶邻域节点采样算法分别得到BFS和DFS高阶邻域节点集；通过一阶邻域信息聚合算法获取节点的一阶邻域信息；通过异质高阶邻域信息聚合算法获取节点的高阶领域信息；利用基于门控神经网络的多源信息融合模型将节点的自身信息、节点的高阶邻域信息以及一阶邻域信息进行融合得到节点的多源交互融合信息作为最终的向量表示；在多任务优化函数下对算法模型的参数进行优化。本发明提升了对元路径内节点信息提取能力，同时大大增强了对不同层次邻域信息的捕捉能力。
-
公开(公告)号：CN113700558A
公开(公告)日：2021-11-26
申请号：CN202111022232.3
申请日：2021-09-01
Applicant: 哈尔滨工业大学(威海) , 一汽解放汽车有限公司
Abstract: 柴油发动机空气系统故障检测方法，属于汽车故障检测领域。本发明解决了现有技术中柴油发动机故障检测模型检测精度低、检测速度慢的问题。本发明先利用1号健康数据集对初始发动机自编码器故障模型进行训练，获得初步训练完成的发动机自编码器故障模型；再利用2号健康数据集和一个故障数据集对初步训练完成的发动机自编码器故障模型进行验证，确定初步训练完成的发动机自编码器故障模型的重构误差阈值L，从而完成对发动机自编码器故障模型的构建；最后利用构建的故障检测模型实现对故障进行检测。本发明主要用于对柴油发动机的空气系统进行故障检测。
-
公开(公告)号：CN112083877A
公开(公告)日：2020-12-15
申请号：CN202010507955.1
申请日：2020-06-05
Applicant: 哈尔滨工业大学(威海) , 苏州玄盾汽车科技有限公司
IPC: G06F3/06
Abstract: 一种车辆物联网云存储系统数据分组方法，涉及分布式数据管理技术领域，从车辆物联网分布式存储系统的访问特征入手，根据云存储系统数据访问的时间空间局部性，将具有强访问关联关系的数据进行分组。首先，通过模拟有限缓存空间下的数据的访问，获得缓存快照并建立缓存事务。其次，建立基于缓存事务的向量化数据访问特征，对数据进行初步分组。最后，以初步分组为点，数据间访问强度为边，按照访问强度从高到低的顺序建立关系图，动态的将形成的完全子图合并成数据分组。当数据分组中任何数据被访问时，其所在分组将被一起预取到缓存中。此方法减少了数据访问时的I/O次数和访问延时，整体上提升了车辆物联网云存储系统的数据读取效率。
-
公开(公告)号：CN108446340B
公开(公告)日：2019-11-05
申请号：CN201810174542.9
申请日：2018-03-02
Applicant: 哈尔滨工业大学(威海) , 威海翰宝网络科技有限公司
IPC: G06F16/172 , G06F16/182 , G06K9/62
Abstract: 本发明公开了一种面向海量小文件的用户热点数据访问预测方法，从用户访问数据的特点入手，根据文件访问的关联性特点，使用用户相关的分布式海量小文件存储系统文件访问日志，训练Skip‑Gram模型，对文件的上下文访问特征进行提取，使用K‑means算法对文件特征聚类，对访问相似度高的文件进行集中分析，训练GRU模型，对文件间的关联性进行分析，并根据用户当前访问文件所属类别序列进行预测，将用户未来可能访问文件类别中的全部文件预取至缓存，减少了系统的I/O次数，整体上提升了分布式海量小文件存储系统读取效率。
-
Patent Agency Ranking
公开(公告)号：CN109992725A
公开(公告)日：2019-07-09
申请号：CN201910285507.9
申请日：2019-04-10
Applicant: 哈尔滨工业大学(威海) , 威海翰宝网络科技有限公司
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明提供一种基于双向距离网络嵌入的社交网络表示方法，属于数据挖掘与网络技术领域。本发明首先读取社交关系网络中的节点并进行编码；然后读取关注与被关注关系，分别为每一个节点生成窗口大小为k的上文邻居节点序列和下文邻居节点序列，并记录每个邻居节点到该节点的有向距离；构造三层网络嵌入模型；将节点编码集作为输入进行学习，并不断进行模型超参数的调整；最后将隐藏层的权重矩阵作为最终网络嵌入的结果，每一行的向量表示作为节点的向量表示。本发明解决了现有社交关系网络的结构和拓扑信息表示不准确，对真实社交关系的还原能力较低，将不能有效的处理网络数据并精准有效的控制事件的发展的问题。本发明可用于社交网络表示。
-
公开(公告)号：CN106528451A
公开(公告)日：2017-03-22
申请号：CN201611001521.4
申请日：2016-11-14
Applicant: 哈尔滨工业大学(威海) , 威海翰宝网络科技有限公司
IPC: G06F12/0862
Abstract: 公开了针对小文件的二级缓存预取的云存储框架及构建方法，其中云存储框架包括：对象存储器、关联性计算模块、数据合并模块、存储节点缓存模块和代理节点缓存模块。本发明首先计算不同对象之间的关联性，并将关联度高的对象合并为一个数据集合，通过对这些数据集合进行缓存来达到数据预取的目的。一方面可以将随机磁盘访问转变为连续磁盘访问，提高存储系统的效率；另一方面通过一次性将对象集合转入代理节点缓存模块进行预读，能够节省网络开销；另外将关联度高的小文件合并也减少了元数据的数量，减少对象访问时元数据的操作时间。
-
公开(公告)号：CN103744758B
公开(公告)日：2016-08-31
申请号：CN201310737931.5
申请日：2013-12-27
Applicant: 哈尔滨工业大学
IPC: G06F11/22
Abstract: 基于高层级症状的硬件故障检测装置及方法，属于硬件故障检测领域。本发明是为了解决现有硬件故障检测装置及方法功耗高的问题。本发明所述的基于高层级症状的硬件故障检测装置，通过在不同层级中嵌入故障检测模块，逐层对故障进行检测，能够诊断多种故障类型，使检测功耗减小了60%。本发明所述的基于高层级症状的硬件故障检测方法，属高层级检测方法，它通过逐层检测的方式，使通用性和覆盖面增大，提高了各层级的故障屏蔽能力，使故障覆盖率达到了90%以上。同时将故障症状进行区分，为后续故障诊断机制减小功耗。本发明所述的基于高层级症状的硬件故障检测装置及方法，适用于对计算机硬件进行故障检测。
-
公开(公告)号：CN102360333B
公开(公告)日：2015-08-19
申请号：CN201110315118.X
申请日：2011-10-17
Applicant: 哈尔滨工业大学
IPC: G06F11/36
Abstract: 基于HISQM排队模型考虑故障排除过程的构件软件可靠性分析方法，它涉及一种软件可靠性分析方法。它为了解决传统的基于体系结构的模型以及方法中存在的只考虑了测试中的故障检测过程，忽略了故障排除过程的弊端。首先基于排队论，用HISQM模型来建模构件软件集成测试中的故障排除过程。构件软件集成测试过程包括故障检测过程和故障排除过程。集成测试排错策略将这两个随机过程联系起来。HISQM模型由若干个独立的ISQ系统组成，每个ISQ系统描述根据排错策略分配到该系统中的构件故障的排除行为。分析了HISQM排队模型的到达过程和离开过程，分别对应于构件软件集成测试中的故障检测过程和故障排除过程。建模构件软件的故障检测过程为NHPP类软件可靠性增长模型。
-
公开(公告)号：CN104064029A
公开(公告)日：2014-09-24
申请号：CN201410318558.4
申请日：2014-07-07
Applicant: 哈尔滨工业大学
Abstract: 一种VANETs中V2V链路延迟的动态预测方法，本发明涉及一种VANETs中V2V链路延迟的动态预测方法。本发明是要解决不能精确地实际预测链路延迟；基于MANETs的方法不满足车载网络环境和应用的需求以及驾驶员很难发现汽车节点速度变化的一般规律，进而给预测链路延迟带来了很大的困难的问题，而提出的一种VANETs中V2V链路延迟的动态预测方法。该方法是通过1、计算两车的相对速度值△v；2、计算两车车头的相对位移值△S；3、计算出的速度差平均值u、方差σ2，4、计算相对距离为L；5、计算链路延迟的数学期望值ET；等步骤实现的。本发明应用于VANETs中V2V链路延迟的动态预测领域。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.081 seconds)
