-
公开(公告)号：CN116796794A
公开(公告)日：2023-09-22
申请号：CN202310001112.8
申请日：2023-01-03
Applicant: 东华大学
Abstract: 现有的图神经网络作为分析属性异质图的模型，对给定图数据的节点属性非常敏感。节点属性的缺失通常会导致噪声在图中传播，影响后续的任务。针对该问题本发明提出了一种基于属性邻域的异质图属性补全方法，构建了节点的属性邻域，实现了节点邻域的属性聚合不受无属性节点影响。进一步提出了结构信息再学习模块，通过加权聚合节点的结构嵌入使节点的补全属性同时具有结构信息和语义信息。该方法能有效地补全异质图中缺失的属性，将补全的属性与现有的异质图模型相结合，能有效避免缺失节点属性带来的误差，提升原有框架。
-
公开(公告)号：CN110058924B
公开(公告)日：2023-08-04
申请号：CN201910327503.2
申请日：2019-04-23
Applicant: 东华大学
Abstract: 本发明的目的是：为容器部署提供一个最佳的调度方案，使得每个容器都能部署到最合适的服务器上，从而在部署完成之后，在容器的拉取时间、服务的通信时间、机器的负载均衡以及机器的能耗之间达到一个最优的状态。为了达到上述目的，本发明的技术方案是提供了一种多目标优化的容器调度方法。本发明提出的改进的粒子群算法与Docker Swarm中的三个算法进行比较，可以得出该方法得到的部署方案的适应度是最低的，即该方法能比其他三个算法找到更好的调度解决方案，尤其是当机器资源远大于容器实例的要求时。
-
公开(公告)号：CN110084609B
公开(公告)日：2023-06-02
申请号：CN201910327470.1
申请日：2019-04-23
Applicant: 东华大学
IPC: G06Q20/40 , G06F18/2411 , G06F18/214
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。
-
公开(公告)号：CN112967061B
公开(公告)日：2022-10-18
申请号：CN202110228431.3
申请日：2021-03-02
Applicant: 东华大学
IPC: G06Q20/40
Abstract: 本发明涉及一种具有交易性格的用户行为识别方法，从用户交易行为基准、用户谨慎画像以及基于交易行为和谨慎度的距离关系建立具有交易性格的用户行为识别模型，从而实现行为识别。基于交易数据和交互数据，从交易行为和交易性格的角度，对用户进行刻画。本发明方法，可以有效检测电子交易中的欺诈行为。从实用性角度出发，通过交易行为和基准、谨慎度和画像、关系模型和风险阈值建立了识别框架，为解决欺诈交易检测提供了技术支持。
-
公开(公告)号：CN113993136A
公开(公告)日：2022-01-28
申请号：CN202110889944.9
申请日：2021-08-04
Applicant: 东华大学
Abstract: 本发明提供了一种边缘环境下应用服务的冗余部署方法，以达到在考虑预算约束的前提下尽可能降低网络延迟和数据传输成本的目的。因此，考虑到成本对于应用提供商的重要性，本发明提供了一种基于成本约束的应用服务冗余部署方案生成方法。第一阶段生成初步部署方案，根据设定服务优先级计算方法和进行成本分配，以及基于K‑Medoids的聚类方法生成大量可行解。第二阶段通过基于优先级的遗传算法，改进其选择策略后，最后给出最优的服务冗余部署方案。给出的部署方案，既能满足用户服务质量要求，又能满足成本约束。
-
Patent Agency Ranking
公开(公告)号：CN109359095B
公开(公告)日：2021-07-16
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：CN111309461A
公开(公告)日：2020-06-19
申请号：CN202010041651.0
申请日：2020-01-15
Applicant: 东华大学
Abstract: 本发明涉及一种基于免疫机制的工作流优化调度模型与方法，包括以下步骤：问题背景定义：定义问题背景和相关模型；问题编码模式：将待解决问题定义成适合该模型的编码；种群初始化：初始化粒子的初始位置和速度；适应度计算：计算抗体和抗原之间的亲和力；抗体浓度与激励抑制作用：使用激励抑制作用来控制抗体浓度；抗体克隆、交叉、变异：对抗体进行克隆、交叉、变异操作，扩大求解搜索空间；更新种群，输出解决方案：操作得到的结果，满足迭代停止条件则输出一个 关系对序列。本发明能够解决类似云计算环境下工作流优化调度的问题，可以根据优化目标得到不同的解决方案，帮助用户更加准确的做出决策。
-
公开(公告)号：CN111291922A
公开(公告)日：2020-06-16
申请号：CN202010045151.4
申请日：2020-01-16
Applicant: 东华大学
Abstract: 本发明的目的是：提高混杂数据流中分流量预测的结果。为用户或系统提供更加准确的系统流量信息，并对系统的弹性伸缩提供更为准确的指标参数。为了达到上述目的，本发明的技术方案是提供了一种基于动态时间窗的混杂数据流分流量预测方法。本发明通过结合动态时间窗与皮尔逊相关系数得到基于动态时间窗的权重计算模型，该模型解决了混杂数据流中分流量间的影响对时间变化难以确定的问题。然后通过加入缓存机制解决了基于动态时间窗的权重计算模型可能存在的窗口抖动问题。本发明提出的基于动态时间窗的混杂数据流分流量预测方法，通过改变计算权重时动态时间窗的大小，提高权重的计算准确度，最终提高了最终预测的结果。
-
公开(公告)号：CN111260462A
公开(公告)日：2020-06-09
申请号：CN202010045141.0
申请日：2020-01-16
Applicant: 东华大学
Abstract: 本发明涉及一种基于异质关系网络注意力机制的交易欺诈检测方法，其关键在于，根据交易数据抽取实体关系，构建关系网络二部图，提出了基于节点收缩的异质网络同质化方法和基于Attention机制的邻域信息聚合算法。将信贷交易从关系网络的角度出发，进行建模分析，同时结合实际情况，充分考虑交易之间差异化的潜在关系，设计Attention机制进行节点间关系的差异化生成，提升了欺诈检测的效果。本发明提供的方法从实用性角度出发，通过将注意力从交易节点本身转化到关系网络中交易的若干阶邻域信息，充分考虑交易节点间潜在的差异性的关联关系，进行欺诈检测。
-
公开(公告)号：CN111242744A
公开(公告)日：2020-06-05
申请号：CN202010045152.9
申请日：2020-01-16
Applicant: 东华大学
IPC: G06Q30/06
Abstract: 本发明提出一种低频交易的个体行为建模与欺诈检测方法，首先是低频交易的个体行为建模方法，通过迁移当前交易群体的共性行为去补充低频用户的交易行为。由三个部分组成：一是考虑用户自身仅有的历史交易，结合最佳风险阈值确定算法，构成用户自身交易行为基准；二是通过DBSCAN聚类算法提取出当前所有黑样本与白样本的行为特征，构成当前交易群体共性行为；三是根据历史交易记录，利用滑动窗口机制提取交易变化行为，三者组合构成用户新的交易行为。其次，在此基础之上，提出一种基于朴素贝叶斯模型的检测方法，根据每种行为的结果利用朴素贝叶斯公式计算当前交易属于欺诈的概率，最终确定当前交易是否正常，为解决欺诈交易检测提供了技术支持。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.021 seconds)
