-
公开(公告)号：CN118070966A
公开(公告)日：2024-05-24
申请号：CN202410255350.6
申请日：2024-03-06
Applicant: 内蒙古科技大学 , 内蒙古科技大学包头师范学院 , 四川农业大学
IPC: G06Q10/04 , G06Q50/26 , G06F18/214 , G06F18/21 , G06N3/045 , G06N3/0442
Abstract: 本发明属于大数据分析技术领域，且公开了一种基于CEEMD‑ITFT模型的PM2.5浓度预测方法，包括以下步骤，获取某城市多个空气质量监测站点空气污染物浓度数据以及气象数据并进行预处理操作、采用CEEMD算法将PM2.5历史序列分解为子序列、将分解的子序列以及其他外生序列作为输入数据对预测模型进行训练、最后预测未来逐小时PM2.5的值，结合了自适应数据分析方法和多变量的可解释预测模型，在本发明中采用门控循环单元代替长短期记忆，以减少模型参数，降低模型的过拟合，采用CEEMD‑ITFT模型作为PM2.5浓度的预测模型不仅能够产生一个可解释的输出，并且提供了较好的预测性能，实现了高精度、可解释的PM2.5浓度预测。
-
公开(公告)号：CN118446340A
公开(公告)日：2024-08-06
申请号：CN202410553103.4
申请日：2024-05-07
Applicant: 内蒙古科技大学包头师范学院 , 四川农业大学
IPC: G06N20/20 , G06F18/241 , G06F18/2431 , G06F18/214
Abstract: 本发明属于集成学习技术领域，公开了一种基于异常值检测的自适应集成学习模型及构建方法与应用，其构建方法包括如下步骤：S1.构建包括多个弱分类器的自适应集成学习模型以及用于异常值检测的基学习器；S2.利用所述基学习器进行训练数据集的异常值检测，并获取所述训练数据集中异常值与正常值的相应权重；S3.利用所述基学习器所获取的相应权重更新所述自适应集成学习模型中弱分类器的基础权重，并利用所述训练数据集训练更新后的自适应集成学习模型。综上，本发明具体通过在集成学习的基学习器中引入异常值检测机制，从而在不对数据集进行直接处理的前提下完成异常值处理，满足不同训练需求、并减少异常值对模型的不良影响。
-
公开(公告)号：CN118035747A
公开(公告)日：2024-05-14
申请号：CN202410245795.6
申请日：2024-03-04
Applicant: 内蒙古科技大学包头师范学院 , 四川农业大学
IPC: G06F18/214 , G06F18/213 , G06F18/232 , G06F18/25 , G06N20/20 , G06N5/045
Abstract: 本发明属于机器学习技术领域，且公开了一种融合集成学习与知识蒸馏的模型建立方法，包括以下步骤：使用差异数据集提取特征向量，通过DBSCAN算法聚类，对每个类别训练基学习器并选出最佳者用于后续集成，利用已训练的基学习器构建集成模型，预测并生成软标签。初始化并训练小型学生模型，采用交叉熵和KL散度损失，调整温度参数以平衡软标签的平滑度和信息保留，最后将学生模型部署到目标设备上，本发明通过对集成学习模型的知识蒸馏，可以将最后部署模型的复杂度降低，减少部署模型对部署环境的要求，提升模型的可解释性，通过对集成学习模型的蒸馏促使模型认识样本的模糊性，从而降低过拟合的风险。
-
公开(公告)号：CN117290731A
公开(公告)日：2023-12-26
申请号：CN202311342076.8
申请日：2023-10-16
Applicant: 内蒙古科技大学包头师范学院 , 四川农业大学
IPC: G06F18/214 , G06F18/24 , G06F18/2113 , G06F18/2135 , G06F18/20 , G06N20/20
Abstract: 本发明属于学习模型建立方法技术领域，且公开了一种基于特征工程改进的集成学习模型建立方法，包括如下步骤：S1：对原始数据集D进行特征选择与降维；S2：对处理后的数据集进行划分；S3：对划分后的数据集进行弱分类器的训练，生成集成学习模型；S4：对于最终得到模型的性能指标以及可解释性进行进一步的验证实验。本发明通过选择和构造最有代表性的特征，特征工程可以增强集成学习基模型的预测能力，并且通过减少不必要的特征或降低特征维度，可以加速基模型的训练速度，从而加速整体的集成学习过程，另外特征选择和正则化可以减少模型的复杂性，从而降低过拟合的风险，通过特征选择和降维，降低计算和存储的需求。
-
Patent Agency Ranking
公开(公告)号：CN119893506A
公开(公告)日：2025-04-25
申请号：CN202411790794.6
申请日：2024-12-06
Applicant: 内蒙古科技大学包头师范学院 , 内蒙古科技大学
Abstract: 本发明属于车联网技术领域，公开了一种基于区块链的车联网动态访问控制方法及控制系统，所述的控制方法包括：S1.对访问主体进行身份验证，验证成功进入步骤S2，验证失败拒绝访问；S2.获取访问主体的访问请求；S3.通过智能合约的访问策略对所述访问请求进行验证，验证成功允许访问并进入步骤S4，验证失败拒绝访问；S4.访问完成后获取访问主体的访问反馈，通过访问反馈及区块链上所储存的历史访问数据对访问主体进行综合信任评估，并根据所述综合信任评估结果更新所述智能合约的访问策略。综上，本发明建立的信任评估机制，能有效识别恶意车辆、并有效抵御分布式、拒绝服务等攻击，从而确保系统的稳定性和可靠性。
-
公开(公告)号：CN118571345A
公开(公告)日：2024-08-30
申请号：CN202410383679.0
申请日：2024-04-01
Applicant: 内蒙古科技大学包头师范学院 , 内蒙古科技大学
IPC: G16C20/20 , G06F18/213 , G06F18/27 , G06N3/0464 , G06N3/08
Abstract: 本发明属于大数据分析技术领域，公开了一种基于TFT‑DANN模型的大气污染物浓度预测方法，包括如下步骤：S1.通过N个源域站点的气象数据和污染物浓度数据创建模型训练数据；S2.构建多源TFT‑DANN预测模型，并利用所述模型训练数据训练所述多源TFT‑DANN预测模型；S3.将训练好的所述多源TFT‑DANN预测模型应用于目标域站点的实时污染物浓度预测中。在步骤S3中：提取N个源域站点与目标域站点之间的域不变性特征；基于源域站点与目标域站点的相似性分别对N个域不变性特征进行加权集成处理；将加权集成处理后的特征应用于训练好的所述多源TFT‑DANN预测模型。综上，本发明能够通过训练多个TFT‑DANN神经网络来提取N个源域和目标域站点之间的域不变性特征，从而提高对目标任务的预测性能。
-
公开(公告)号：CN118487776A
公开(公告)日：2024-08-13
申请号：CN202410719378.0
申请日：2024-06-04
Applicant: 内蒙古科技大学包头师范学院 , 内蒙古科技大学
Abstract: 本发明属于信息安全技术领域，且公开了一种基于国密SM9算法的零信任SPA业务访问方法，包括如下步骤：一、SDP控制器服务上线，二、SDP客户端向SDP控制器注册，SDP控制器为SDP客户端生成I D和一次性口令种子，三、SDP客户端加密生成单包认证信息发送至SDP控制器，四、SDP控制器收到单包认证信息进行解密，为身份认证成功的客户端分发身份令牌，五、SDP客户端向每个可接受连接的SDP网关发起单包授权，并创建与SDP网关的TLS双向加密连接，六、SDP客户端的业务访问请求到达SDP网关后，对有权限访问的客户端予以放行，通过使用国密SM9标识密码算法，改进SPA数据包的加密方式，减少了网络攻击面。
-
公开(公告)号：CN119808845A
公开(公告)日：2025-04-11
申请号：CN202411855650.4
申请日：2024-12-16
Applicant: 内蒙古科技大学包头师范学院
IPC: G06N3/0475 , G06N3/045 , G06N3/094 , G06F18/2337 , G06F40/18
Abstract: 本发明属于数据生成技术领域，公开了一种基于可解释性的条件表格GAN建立方法，包括：构建预训练模型；通过可解释性模型计算原始数据集中各样本的特征，并集合形成特征数据集；利用所述特征数据集训练所述预训练模型；构建基础GAN框架，并将训练后的所述预训练模型嵌入所述基础GAN框架，获得条件表格GAN；利用原始数据集训练所述条件表格GAN。综上，本发明通过使用可解释性模型、机器学习算法和基础GAN框架，使得本发明条件表格GAN可以更好的控制生成样本类别、并提高生成样本的多样性，进而提高最终表格数据的生成质量与生成效率。
-
公开(公告)号：CN119289298A
公开(公告)日：2025-01-10
申请号：CN202411448777.4
申请日：2024-10-17
Applicant: 内蒙古科技大学包头师范学院
Abstract: 本发明提出了一种基于恒压供水的SMOTE‑ENN‑GWO‑SVM模型的低成本直饮水管道漏损检测方法。本发明通过下述技术方案予以实现，包括下述步骤：1.采集供水变频器的运行数据，并根据历史工况对数据进行标注，即漏损或正常。2.由于1中采集的数据集进行存在不平衡，故采用SMOTE‑ENN算法对不平衡数据进行处理。3.使用GWO算法对SVM的超参数，即惩罚因子C和核函数参数g，进行迭代寻优。4.通过3中得到最优超参数构建的SVM模型。5.使用4中的模型进行管道检测。在恒压供水下，当智能检测设备不足，无法获取详细管道数据时，可使用本发明对管道进行检测。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.052 seconds)
