-
公开(公告)号：CN116863963A
公开(公告)日：2023-10-10
申请号：CN202310080993.7
申请日：2023-01-30
Applicant: 东华大学
IPC: G10L25/63 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/08 , G10L25/30 , G10L25/18 , G10L25/03
Abstract: 情感具有主观性与模糊性，而且语音在情感定义上缺乏官方标准。不同听者对同一段语音的情感可能有不同的观点。此外，不同人对同一情感的表达节奏和反应程度是不同的，而且同一个人在不同时刻对同一场景下的情感反应也有可能不同。为了解决该问题，本发明公开的一种基于能量帧时频融合的语音情感识别方法主要由两部分构成：第一部分通过计算语音帧的能量，选出能量大的语音帧转为频谱图作为输入；第二部分语音在时序上和频域上均有情感特征，采取CNN+RNN的网络结构分别对频域和时域进行特征提取，从而能够保证一定的准确率。本发明公开的方法成功体现出了个体间语音节奏的差异，具体是在能量上的分布差异，从而能够更准确地识别出语音情感。
-
公开(公告)号：CN116823266A
公开(公告)日：2023-09-29
申请号：CN202310369156.6
申请日：2023-04-07
Applicant: 东华大学
IPC: G06Q20/40 , G06F16/36 , G06F17/16 , G06N3/0464
Abstract: 本发明公开了一种行为图谱的构造及其电信欺诈检测方法，面对电信欺诈场景，本发明提出行为图谱构造方法，针对不同主体之间发生的行为关系构造超图模型，在此基础上考虑多主体性、不确定性和交互性来构造行为图谱。行为图谱中由欺诈者和正常用户等多方参与来反映多主体性；由不同行为条件引发不同行为结果，产生不同欺诈链路来反映不确定性；由欺诈者和正常用户之间互相影响的行为关系来反映交互性。再以行为图谱为基础，构造电信欺诈检测方法，学习行为之间的集合关系并增强表示，进而预测用户是否会陷入骗子设计的欺诈行为链路。
-
公开(公告)号：CN116562985A
公开(公告)日：2023-08-08
申请号：CN202310601206.9
申请日：2023-05-25
Applicant: 东华大学
IPC: G06Q30/0601 , G06F18/2433
Abstract: 本发明公开了一种交易人格心理建模及行为识别的方法，针对用户受到外界环境或情绪影响不符合历史行为特征的正常交易行为识别为异常现象，首先是交易人格心理模型的构建方法，基于历史数据分别分析用户“大五人格”，并组合形成完整的交易人格心理模型。在此基础上，提出一种基于交易人格心理模型的交易行为识别方法，根据用户历史数据，确定用户历史交易心理状态和正常波动范围，判断新交易发生时心理状态是否在范围内，进而判断当前交易是否正常，为解决行为识别提供了技术支持。
-
公开(公告)号：CN110413860B
公开(公告)日：2023-06-23
申请号：CN201910640528.8
申请日：2019-07-16
Applicant: 东华大学
IPC: G06F16/951 , G06N3/006
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：CN109740044B
公开(公告)日：2023-03-21
申请号：CN201811582052.9
申请日：2018-12-24
Applicant: 东华大学
IPC: G06F16/953 , G06F16/35
Abstract: 本发明涉及一种基于时间序列智能预测的企业异动预警方法，包括以下步骤：使用网络爬虫技术获取网络新闻文本以及新闻的发布时间，并进行数据预处理；将数据转化为时间序列，并划分为时间序列段，用来进行时间序列预测；使用时间序列智能预测模型进行时间序列预测；通过文本聚类进行预警信息的挖掘，找到簇的中心文本作为预警新闻。本发明能够通过外部公开的数据解决企业异动预警问题。
-
Patent Agency Ranking
公开(公告)号：CN108960304B
公开(公告)日：2022-07-15
申请号：CN201810640209.2
申请日：2018-06-20
Applicant: 东华大学
IPC: G06V10/764 , G06K9/62 , G06N3/04
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：CN112967062B
公开(公告)日：2022-07-05
申请号：CN202110228566.X
申请日：2021-03-02
Applicant: 东华大学
Abstract: 本发明涉及一种基于谨慎度的用户身份识别方法，针对交易场景中用户面对的环境因素和个人因素，对活动因素和经济承受压力进行谨慎度预测建模，指导用户谨慎性格的预测；基于用户的交互数据提取谨慎度特征，进行计算用户的谨慎度，构建用户谨慎度模型，对用户进行性格刻画；通过对比用户谨慎度预测值和交易谨慎度是否在风险阈值内对用户身份识别模型进行训练，构建基于谨慎度的身份识别模型用于身份识别。本发明方法从用户的谨慎性格出发，考虑交易场景中的环境因素和用户个人因素对用户性格的影响，可以有效检测电子交易中的用户身份，为解决欺诈交易检测提供了技术支持。
-
公开(公告)号：CN110111146A
公开(公告)日：2019-08-09
申请号：CN201910361905.4
申请日：2019-04-30
Applicant: 东华大学
IPC: G06Q30/02 , G06F16/953
Abstract: 本发明公开了一种面向云实例选择的多目标优化求解方法，包括以下步骤：A.背景问题定义：定义该求解器的问题背景；B.初始完全Pareto集合生成：得到需求个数为1下的初始Pareto集合；C.广义笛卡尔积生成：将完全Pareto集合和初始Pareto集合进行广义笛卡尔积；D.中间完全Pareto集合生成：对广义笛卡尔积进行遍历操作得到新的完全Pareto集合；E.最终完全Pareto集合生成：通过递归C、D操作得到最终的完全Pareto集合。本发明能够解决类似云实例类型选择问题的多目标优化问题，可以得到完整的Pareto集合，帮助用户更加准确的作出决策。另外，本发明能够解决类似的多目标优化问题，得到完全Pareto集合。
-
公开(公告)号：CN108173958A
公开(公告)日：2018-06-15
申请号：CN201810011239.7
申请日：2018-01-05
Applicant: 东华大学
Abstract: 本发明涉及一种多云环境下基于蚁群算法的数据优化存储方法，包括以下步骤：获取云存储服务的相关属性信息；根据云存储的存储成本以及可用性，计算每个云存储服务的QoS值；用户给出自己对数据存储的需求，并且根据用户的需求建立数学模型；优化算法根据云服务的QoS值，运用基于蚁群算法的智能优化算法进行数学模型的求解，为用户提供一个低成本高可用的数据存储方案。本发明能够为用户挑选低成本高可用性的数据存储方案。
-
公开(公告)号：CN113986486B
公开(公告)日：2024-06-18
申请号：CN202111202992.2
申请日：2021-10-15
Applicant: 东华大学
IPC: G06F9/48
Abstract: 本发明涉及一种边缘环境下数据缓存与任务调度的联合优化方法，在收到用户发送的当前任务请求后，包括：获取离用户当前位置最近的边缘服务器，并根据边缘服务器中缓存的数据确定当前任务请求由自身处理还是调度处理；在调度处理时，根据边缘服务器相邻的边缘服务器中缓存的数据确定当前任务请求由边缘服务器相邻的边缘服务器处理还是调度至云服务器处理；在调度完成后，利用信息熵理论计算出边缘服务器中所有数据的缓存价值，并根据边缘服务器的缓存空间对当前任务请求的所需数据进行缓存。本发明能够对用户提交的任务请求进行有效合理的调度，以提高边缘服务器的数据缓存命中率并降低完成任务请求的响应延迟和能耗。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.022 seconds)
