公开(公告)号：CN110555455A

公开(公告)日：2019-12-10

申请号：CN201910525215.8

申请日：2019-06-18

Applicant: 东华大学

Inventor： 章昭辉 ,  蒋昌俊 ,  王鹏伟 ,  孟盈

IPC: G06K9/62 ,  G06Q20/38 ,  G06Q20/40 ,  G06F16/28

Abstract: 本发明涉及一种基于实体关系的在线交易欺诈检测方法，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集成学习、图表征学习的邻域信息聚合提升树分类模型机制。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，充分考虑交易之间潜在的关联关系，为挖掘团伙欺诈提供了可能性。梯度提升模型通过不断拟合模型的残差，提高欺诈识别的效果，有很好的表现效果。同时，该方法将集成学习从网格型数据的应用扩展至图数据的应用领域。基于以上方面，建立了借贷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：CN110413860A

公开(公告)日：2019-11-05

申请号：CN201910640528.8

申请日：2019-07-16

Applicant: 东华大学

Inventor： 王鹏伟 ,  章昭辉 ,  周婉君 ,  魏毅

IPC: G06F16/951 ,  G06N3/00

Abstract: 本发明提供的一种基于NSGA-II的多云环境下云实例的多目标优化选择方法包括以下步骤：问题背景定义；编码方式；产生初始种群；选择；交叉；变异；终止条件。本发明利用NSGA-II算法使用快速非支配排序，得到的结果降低了整个算法的复杂度。其次，在算法中，使用拥挤度和拥挤度比较算子，保持种群多样性，避免陷入局部最优。最后，使用精英策略，增加了优良基因进入下一代的概率。

公开(公告)号：CN110059756A

公开(公告)日：2019-07-26

申请号：CN201910327482.4

申请日：2019-04-23

Applicant: 东华大学

Inventor： 章昭辉 ,  蒋昌俊 ,  王鹏伟 ,  王海建

IPC: G06K9/62

Abstract: 本发明涉及一种基于多目标优化的多标签分类系统。本发明以朴素贝叶斯分类算法作为基础模型，将多标签分类问题转化为多个二分类问题，通过对样本特征属性的加权方式弱化朴素贝叶斯的属性独立的假设，构建一个朴素贝叶斯的多标签分类模型。然后利用随机生成的属性权重作为遗传算法的基因表现，使用NSGA-II遗传算法来对多标签分类模型的多个目标进行优化得到最优分类模型集合。最后利用模型选择策略投票选出每个测试样本的最终标签分布。将本发明与3个多标签分类方法在3个数据集上做了比较，发现本发明所提的多标签分类方法在汉明损失、MicroF1等7个指标的总得分上有了明显的提高。

公开(公告)号：CN110058924A

公开(公告)日：2019-07-26

申请号：CN201910327503.2

申请日：2019-04-23

Applicant: 东华大学

Inventor： 章昭辉 ,  蒋昌俊 ,  王鹏伟 ,  陈剑

IPC: G06F9/455 ,  G06F9/50 ,  G06F9/48 ,  G06N3/00

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：CN108960304A

公开(公告)日：2018-12-07

申请号：CN201810640209.2

申请日：2018-06-20

Applicant: 东华大学

Inventor： 蒋昌俊 ,  章昭辉 ,  王鹏伟 ,  周欣欣 ,  张晓波 ,  汪立智

IPC: G06K9/62 ,  G06N3/04

CPC classification number: G06K9/6267 ,  G06N3/0454

Abstract: 本发明涉及一种网络交易欺诈行为的深度学习检测方法，其特征在于，步骤包括：第一步、利用历史交易特征数据对模型进行训练；第二步、将实时交易特征数据输入训练好的模型，判断当前交易是否为欺诈交易。本发明：(1)发明了适用于网络交易欺诈的基于特征重排的深度学习检测系统；(2)发明了特征排列构造层及排列方法。特征排列层可增加在每组卷积层与池化层之前。(3)发明了环式卷积方法，对于一条交易数据来说，通过环式结构的卷积，使得卷积后的信息不失真。

公开(公告)号：CN108196948A

公开(公告)日：2018-06-22

申请号：CN201711462931.3

申请日：2017-12-28

Applicant: 东华大学

Inventor： 王鹏伟 ,  周婉君

IPC: G06F9/48

Abstract: 本发明涉及一种基于动态规划的云实例类型组合优化选择方法，包括以下步骤：获取云实例类型的相关数据；用户通过服务描述模板指定需求；调度器读取服务描述模板和云实例类型的相关数据；调度器调用性能模型求解单个云实例类型的性能；调度器根据单个云实例的性能和其他数据调用完全背包算法为用户推荐最佳的云实例类型。本发明能够为用户推荐不同价格体系下的最佳的云实例类型或其组合。

公开(公告)号：CN108038790A

公开(公告)日：2018-05-15

申请号：CN201711200078.8

申请日：2017-11-24

Applicant: 东华大学

Inventor： 章昭辉 ,  蒋昌俊 ,  王鹏伟 ,  王海建

IPC: G06Q50/00 ,  G06Q10/06 ,  G06F17/30

Abstract: 本发明涉及一种内外数据融合的态势分析系统，其特征在于，包括数据采集模块；文本量化计算模块；因果滞后分析模块；态势预测模块。本发明可以有效地预测出相关指标的发展态势，即给出当前的互联网新闻等文本数据，可以预测出当前的指标变化趋势。将文本主题分类技术，时差相关分析，回归预测方法结合使用到特定领域态势分析上是一个新的方法创新。由于特定领域的相关统计指标数据往往滞后于互联网新闻等文本数据，根据互联网的文本数据和特定领域历史的统计数据指标，可以较好地预测出特定领域未来的发展态势，有利于特定领域监管部门做出科学的决策。