-
公开(公告)号：CN114220553A
公开(公告)日：2022-03-22
申请号：CN202111482792.7
申请日：2021-12-07
Applicant: 北京工业大学
Abstract: 本发明公开了影响病毒传播的多因素定量分析方法，本发明构建了分析病毒传播与各特征因素之间定量关系的模型。首先在全球范围内搜集所需数据，然后通过构建Dual‑link BiGRU预测神经网络进行各国每日新增病例数预测，最后定量分析不同因素对感染病毒的每日新增病例数的影响。本发明构建了分析病毒传播与多因素之间定量关系的Dual‑link BiGRU模型。该模型在预测精确度和泛化能力上相比于BiLSTM、BiGRU、CNN均有较大的提升。本发明模型是基于31个维度的定量因素而训练而得到的定量分析的病毒传播速度预测模型。
-
公开(公告)号：CN113163057A
公开(公告)日：2021-07-23
申请号：CN202110073654.7
申请日：2021-01-20
Applicant: 北京工业大学
Abstract: 本发明公开了一种诈骗电话动态识别区间构建方法。本发明创新提出了超参数优化和梯度提升机相结合的方式构建诈骗电话识别模型，利用超参数优化算法对梯度提升机的参数进行优化，提升模型识别效果。本发明使用随机森林算法进行数据特征选择，选取特征重要度大于0.8的维度构建诈骗电话特征向量。用户话单数据是典型的不平衡数据，本发明提出使用欠采样与过采样相结合混合采样的方法对数据进行采样，缓解了数据分布的不平衡，经过实验验证是一种可行的方法。本发明提出了一种基于概率预测模型的参数化方法，以分类器输出的概率作为样本的置信度，根据模型输出的样本置信度，构建诈骗电话动态识别区间。
-
公开(公告)号：CN112905800A
公开(公告)日：2021-06-04
申请号：CN202110092936.1
申请日：2021-01-25
Applicant: 北京工业大学
IPC: G06F16/36 , G06F16/35 , G06F16/958 , G06K9/62
Abstract: 本发明公开了基于公众人物舆情知识图谱和XGBoost多特征融合情感预警方法，采用XGBoost梯度提升决策树和知识图谱结合的方式，从多特征角度对舆情预警值进行分析。首先实时获取微博文本，对每个微博文本进行处理。之后通过LDA实现主题提取，XGBoost进行微博情感分析，公众人物舆情知识图谱的构建，舆情事件热度计算。最后情感预警值计算与等级划分。采用XGBoost梯度提升决策树和知识图谱结合的方法，同时设计提出话题和事件的热度值和情感预警值计算公式，从转发、评论、点赞和情感极性等多维传播特征角度对舆情预警值进行计算，并对话题和事件采用不同的等级划分机制，使得舆情分析更加准确和快速。
-
公开(公告)号：CN111353297A
公开(公告)日：2020-06-30
申请号：CN202010132576.9
申请日：2020-02-29
Applicant: 北京工业大学
IPC: G06F40/258 , G06F16/33 , G06F16/36 , G06F16/35
Abstract: 基于领域话题交互密度的生物医学文献主题抽取方法属于生物医学文本挖掘技术领域，对于领域知识库的自动构建与持续更新、文献精准推荐以及促进生物医学相关领域的发展等具有重要的意义。提出基于领域话题交互密度进行文献主题抽取方法，根据领域术语词典和初始语料集建立领域话题队列，不断发现新话题补充领域词典，进而构建话题交互队列，基于正性话题交互队列进行话题交互密度聚类，选择高密度区域划分为簇，得到话题聚集区，再对聚集区内的话题多样性和交互性进行度量，根据主题活跃度生成高质量的文献主题。最后通过语料集中抽取文献主题的准确率统计图观察主题抽取方法的准确性和可靠性。该方法可以有效提高文献主题抽取算法的性能。
-
Patent Agency Ranking
公开(公告)号：CN110167241A
公开(公告)日：2019-08-23
申请号：CN201910459021.2
申请日：2019-05-29
Applicant: 北京工业大学
Abstract: 本发公开了一种室内智慧照明的数据传输控制方法及系统，包括：智慧照明控制系统，可以通过一种或多种传感器感知移动物体并根据当前时间和所属环境进行照明控制；多个单元之间相互协作，由主控单元作为主处理，根据从控单元传来的信息进行统一预测，并对从控单元进行控制，从而达到智慧照明。利用各类型传感器，实现室内场景中照明设备的自动控制，以及照明需求的大数据分析。
-
公开(公告)号：CN108093423A
公开(公告)日：2018-05-29
申请号：CN201711369019.3
申请日：2017-12-18
Applicant: 北京工业大学
Abstract: 本发明公开一种基于Ransac算法的用户话单大数据中基站位置异常的发现方法，包括：针对待检测话单数据，统计预设时间内连接该基站之前与之后连接其他两基站的信息；选取预定数量基站，计算这些基站的中心和中心到这些基站的距离，作为Ransac算法采用的参数模型；利用该参数模型，对剩余基站进行统计，依据Ransac算法原理，如新获得的计算中心参数或中心距参数使符合该参数模型的基站位置信息低于某一阈值时，则判断这个基站为位置异常基站。本发明通过对用户话单中连接该基站之前与之后连接其他两基站相关信息的挖掘、分析与计算，找出当前存疑基站信息。
-
公开(公告)号：CN108093417A
公开(公告)日：2018-05-29
申请号：CN201711366688.5
申请日：2017-12-18
Applicant: 北京工业大学
Abstract: 本发明公开一种基于基站分布密度自适应的基站位置纠偏方法，包括：步骤1、针对待检测基站，统计预设时间内连接该基站前、后连接其他基站的信息；步骤2、对于这些基站，选取与该判断基站连接频次最高的多个基站，计算这些基站之间的两两距离，进而得出存疑基站所处地区基站的大概距离分布密度；步骤3、基于某一区域地貌、环境状况相近，基站架设距离密度也大致相似的原理，利用该距离分布密度模型，在当前区域选取一点，使该点到上述基站各点距离对这一区域距离密度模型的影响最小；步骤4、通过对距离密度模型统计曲线变动的分析与计算，基于对密度影响最小的原则，给出该基站的最佳经、纬度估计。
-
公开(公告)号：CN108038106A
公开(公告)日：2018-05-15
申请号：CN201711404969.5
申请日：2017-12-22
Applicant: 北京工业大学
Abstract: 为了解决现有基于大训练样本的文本术语学习方法难以满足较小实例样本的细粒度领域术语学习需求的问题，本发明提出了一种基于上下文语义的细粒度领域术语自学习方法，通过融合上下文语义信息，从候选术语上下文信息的复现次数角度上全面表现候选术语在语料库中的统计特征和语言特征，借鉴领域相关性与领域一致性思想，运用对数似然比，计算候选术语的领域依存偏向值，最后综合每个候选术语的隶属激活值自主发现领域新术语。本发明所述的基于上下文语义的细粒度领域术语自学习技术可实现术语集的自学习，促进特定领域本体构建，其不仅可以应用在诸如认知功能等领域的术语发现和抽取，还能够在概念抽取方法中作为候选概念产生工具使用。
-
公开(公告)号：CN107729940A
公开(公告)日：2018-02-23
申请号：CN201710982406.8
申请日：2017-10-20
Applicant: 北京工业大学
IPC: G06K9/62
CPC classification number: G06K9/6278 , G06K9/6256
Abstract: 本发明公开一种基于 的用户话单大数据基站连接信息用户关系推定方法，包括如下步骤：(1)基于话单大数据信息，发掘能从根本上反映不同用户之间关系亲疏程度的相关特征数据；(2)对所要分析用户间上述话单数据中基站数据进行分析，对上述相关特征信息进行提取、分析和处理；(3)根据上述特征信息，采用 分类算法，对分类模型进行训练并基于训练所得分类模型在上述地点中对用户关系的紧密程度进行计算，进而基于该计算结果推断用户之间可能的亲密程度。
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.026 seconds)
