-
公开(公告)号：CN115062686A
公开(公告)日：2022-09-16
申请号：CN202210490264.4
申请日：2022-05-07
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于多角度特征的多元KPI时序异常检测方法和系统，属于KPI异常检测领域。所述方法从嵌入图、时域、频域三个角度提取KPI时序的特征，再分别使用图卷积神经网络、时域卷积神经网络和谱网络对三种特征进行数据特征学习表示，再利用全连接神经网络和Softmax函数得到各特征的注意力分数，根据注意力分数对不同特征表示进行融合，然后输入到解码器中得到原始数据的重构表示，构成完整的多元KPI时序异常检测模型；基于历史数据对模型训练完成后，将待检测的多元KPI时序输入到成熟的检测模型中，检测数据中是否存在异常。本发明提不需要人工对异常进行标注，减少了检测过程中的人力需求，提高了运维管理系统异常检测的准确度和效率。
-
公开(公告)号：CN115048958A
公开(公告)日：2022-09-13
申请号：CN202210648183.2
申请日：2022-06-08
Applicant: 北京交通大学
Abstract: 本发明提供了一种情绪识别模型的构建方法、情绪识别方法及系统，属于情绪识别领域。所述模型构建方法先采集预定时间段内包含不同情绪的62导联脑电信号，去噪后滤除无效波段，再根据产生情绪的时间起止点，进行数据切分，保留起止点之间的有效脑电信号片段作为样本；基于时间近邻法提取第一正样本子集；在每个样本内提取五个波段的功率谱密度、计算微分熵特征，并构建节点特征表示，并基于节点特征表示提取第二正样本子集；再建立脑网络图，在每个样本内分别计算导联间两两之间的锁相值，并得到当前样本对应的脑网络图的邻接矩阵并构建拓扑结构特征表示，再提取第三正样本子集，取并集得到最终的正负样本集，训练后得到成熟的情绪识别模型。
-
公开(公告)号：CN110287987B
公开(公告)日：2021-06-25
申请号：CN201910407940.5
申请日：2019-05-16
Applicant: 北京交通大学
IPC: G06K9/62
Abstract: 本发明涉及大型数据中心运维技术领域，尤其涉及一种带层次网络结构的业务系统层次组织结构发现方法。该方法利用日志大数据建立了一种自动化集群发现、分层的方法，可以用来自动绘制复杂业务系统的业务架构图，从而提高运维效率和系统架构信息的时效性。该方法构建的业务系统架构图可以真实反映业务系统在服务器上的运行的业务逻辑关系，辅助运维人员管理。且本发明的输入仅需要数据中心的服务器日志数据，能够自动发现复杂业务系统的业务架构图，不仅结果准确，而且无须过多人操作，节省了大量人力、物力开支。
-
公开(公告)号：CN110471948B
公开(公告)日：2021-01-15
申请号：CN201910617732.8
申请日：2019-07-10
Applicant: 北京交通大学
IPC: G06F16/2458 , G06F16/22 , G06F40/289 , G06F40/30 , G06Q50/26
Abstract: 本发明提供了一种基于历史数据挖掘的海关报关商品智能归类方法，包括：分析报关商品类别编码与商品名称、规格型号的关系，对海关报关商品归类问题进行描述；对海关报关商品的历史信息进行预处理，去除无用词性；设计倒排索引以及判定商品前四位编码的搜索算法；基于词频对预处理后的各类商品进行特征选择，基于one‑hot方法构建特征矩阵；基于不同类商品的特征，采用决策树算法构建商品分类模型。利用所述的分类模型进行海关报关商品的分类，并得到分类结果即商品编码。本发明能够较好的判定商品所属品目，能够有效的对商品进行分类并得到基于HS分类目录的商品编码；具有较强的泛化性能，可提高企业的通关效率，降低由于商品错误归类带来的贸易风险。
-
公开(公告)号：CN108259567B
公开(公告)日：2020-09-29
申请号：CN201711403565.4
申请日：2017-12-22
Applicant: 北京交通大学
Abstract: 本发明涉及服务器运维管理技术领域，尤其涉及一种基于服务器应用逻辑的大型数据中心业务子系统发现方法。所述方法通过构建数据中心系统架构图，有效克服了传统运维方法的缺陷，无须耗费大量人力物力财力去采集、统计数据；无须运维人员对数据中心的应用的系统架构有充分的经验知识；能自动构建基于应用的业务逻辑网络，有效辅助运维人员掌握数据中心的服务器架构及使用情况。
-
Patent Agency Ranking
公开(公告)号：CN111562996A
公开(公告)日：2020-08-21
申请号：CN202010282009.1
申请日：2020-04-11
Applicant: 北京交通大学
IPC: G06F11/07
Abstract: 本发明提供了一种关键性能指标数据的时序异常检测方法，用以解决现有技术中时序数据异常检测效率低、准确率低的问题。所述时序异常检测方法，先对采集的时序数据中缺失值及异常值进行修正，再提取特征对数据进行拼接，将拼接数据划分为训练集和测试集，在优化目标函数的基础上训练得到异常检测模型，再进行测试及评估得到评估标准，以所述评估标准和异常检测模型，对待检测数据进行时间序列异常检测。本发明对具有周期性的不同时间序列数据的异常检测，从时间序列数据中提取不同维度的特征以保证考虑到数据在不同维度上的相关性都能被模型学习到，减少了异常标注带来的成本，同时适用于正负样本极不均匀的场景，提高了检测效率。
-
公开(公告)号：CN111460830A
公开(公告)日：2020-07-28
申请号：CN202010164540.9
申请日：2020-03-11
Applicant: 北京交通大学
IPC: G06F40/30 , G06F40/211 , G06F40/289 , G06F40/284 , G06N3/08 , G06N3/04
Abstract: 本发明提供了一种司法文本中经济事件的抽取方法，用以解决现有技术中司法文本中事件抽取效率低下的问题。所述经济事件抽取方法首先对预选的司法文本数据集进行数据预处理，得到向量化表示的学习数据和文本全局特征，对第一深度学习模型进行训练，得到文本序列对应的实体类别序列；再根据学习数据和实体类别序列，将文本全局特征与文本序列特征进行融合，训练第二深度学习模型，利用第二深度学习模型进行经济事件抽取。本发明围绕深度学习模型，通过融合文本全局特征和文本序列特征，有效地对司法文本中的经济事件进行抽取，准确率高；同时具有较强的泛化以及自学习能力，可用于司法文本摘要、当事人经济事件追踪，减轻相关法务人员的工作压力。
-
公开(公告)号：CN110471917A
公开(公告)日：2019-11-19
申请号：CN201910617724.3
申请日：2019-07-10
Applicant: 北京交通大学
IPC: G06F16/22 , G06F16/2458 , G06F16/28
Abstract: 本发明提供了一种基于历史数据挖掘的海关报关单智能填报方法。该方法包括：对海关报关单的历史数据进行预处理，将表头与表体数据合并，去除无关字段；设计并实现基于具体值的各字段相关性分析算法；设计树形结构，基于各字段相关性构建动态树并储存；根据生成的动态树，智能推荐填报内容；依据新录入数据定期自动进行数据维护与更新。本发明设计的相关性分析算法及动态树可以较好地根据用户当前录入内容动态进行其余填写字段的智能填报，准确率较高。具有较强的泛化及自学习能力，可以极大地提高海关报关效率，为报关机构和报关企业节省人力物力。
-
公开(公告)号：CN107908800A
公开(公告)日：2018-04-13
申请号：CN201711405012.2
申请日：2017-12-22
Applicant: 北京交通大学
IPC: G06F17/30
CPC classification number: G06F17/30867
Abstract: 本发明涉及交通领域用户查询日志数据处理及分析技术，尤其是一种能基于用户查询日志对客运交通渠道查询模式进行分类的方法。本发明提出的基于用户查询日志的客运交通渠道查询模式分类方法，可以准确有效地对不同渠道查询模式进行分类，并发现互联网查询渠道中的自动程序(爬虫)带来的虚假查询行为，从而过滤虚假查询行为，为交通领域管理者和市场从业者提供数据支持。
-
公开(公告)号：CN106209446A
公开(公告)日：2016-12-07
申请号：CN201610526019.9
申请日：2016-07-06
Applicant: 北京交通大学
IPC: H04L12/24
CPC classification number: H04L41/069 , H04L41/04
Abstract: 本发明提供了一种数据中心服务器的业务应用逻辑网络的构建方法。该方法包括：从数据中心服务器的原始日志数据中提取出TCP连接数据、服务器的日志采样时间数据和服务器的IP列表数据；根据TCP连接数据、服务器的日志采样时间数据和服务器的IP列表数据构建服务器级别的TCP连接关系，计算出服务器级别的TCP连接关系的权重；根据服务器级别的TCP连接关系和服务器级别的TCP连接关系的权重构建数据中心服务器的业务应用逻辑网络。本发明实施例提出的服务器应用逻辑网络构建方法无须耗费大量人力物力去采集、统计数据，能自动构建基于应用的业务逻辑网络，有效辅助运维人员掌握数据中心的服务器架构及使用情况。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.025 seconds)
