-
公开(公告)号:CN115408942A
公开(公告)日:2022-11-29
申请号:CN202211039162.7
申请日:2022-08-29
IPC: G06F30/27 , G06F16/215 , G06N20/00
Abstract: 本申请涉及一种航班的额外油量推荐方法、装置、计算机设备和存储介质。所述方法包括:获取航班的飞行数据;通过航班油量预测模型对所述飞行数据进行处理,得到油耗预测值;确定所述航班的历史油耗预测值与历史油耗值间的误差的均值和标准差;基于所述均值和所述标准差对所述油耗预测值进行修正处理,得到油耗修正值;基于传统计算油量值与所述油耗修正值确定推荐的额外油量。采用本方法能够提高航班额外油量推荐的准确率。
-
公开(公告)号:CN107122939B
公开(公告)日:2021-03-09
申请号:CN201710294893.9
申请日:2017-04-28
Applicant: 厦门大学
IPC: G06Q10/08
Abstract: 一种入库量和出库量的联合预测方法,涉及库存管理。通过建立一个基于多时间序列数据预测的预测模型,并将其应用到库存管理领域,可以在满足出库与出库两类型时间序列的依赖关系情况下,同时实现高精度的预测结果。获取预定时间段内的入库量和出库量时间序列数据,并对这两类型时间序列数据进行数据清洗;利用数据挖掘技术建立时间序列预测模型;考虑到库存中的入库量和出库量均相互依赖的背景知识,将入库量和出库量时间序列数据的相互依赖关系建立模型;将相互依赖关系建立模型应用于库存预测中,即把库存预测的要求建立到约束下,获得最终预测结果。
-
公开(公告)号:CN107122863A
公开(公告)日:2017-09-01
申请号:CN201710295686.5
申请日:2017-04-28
Applicant: 厦门大学
CPC classification number: G06Q10/04 , G06Q10/0875
Abstract: 积压物料相关物料属性的查询和预测方法,涉及商品管理。库龄基本统计分析,利用图表等形式初步了解特定货物的库龄分布基本情况,同时比较当前和历史库龄的变化;针对预测物料是否积压问题,对相关物料属性进行重要性排序;查询积压物料,利用属性重要性排序得出的对造成积压最相关的属性,在该属性上查询某个时间范围的库存量。预测积压物料,通过查询结果来预测积压物料。通过判断该物料是否是积压物料,降低了库存监管的工作复杂度和提高了物料库存积压的预判精度,有效防止货物积压和减少货物积压投资。
-
公开(公告)号:CN119691567A
公开(公告)日:2025-03-25
申请号:CN202510191872.9
申请日:2025-02-20
IPC: G06F18/241 , G01M13/021 , G01M13/028 , G06F18/213 , G06N3/006
Abstract: 本申请公开了一种故障诊断方法、装置、产品、设备及介质,包括:获取目标风电齿轮箱故障信号;基于第一群智能优化算法确定信号共振稀疏分解的最优参数,并获取基于信号共振稀疏分解的最优参数对目标风电齿轮箱故障信号进行信号共振稀疏分解得到的目标高共振分量和目标低共振分量;基于第二群智能优化算法确定盲解卷积的最优参数,并获取基于盲解卷积的最优参数对目标高共振分量和目标低共振分量进行盲解卷积处理,得到的目标盲解卷积处理后高共振分量以及目标盲解卷积处理后低共振分量;对目标盲解卷积处理后高共振分量以及目标盲解卷积处理后低共振分量进行包络解调,以确定风电齿轮箱故障类型。这样,能够提升风电齿轮箱的故障诊断准确度。
-
公开(公告)号:CN114580738B
公开(公告)日:2024-05-31
申请号:CN202210201984.4
申请日:2022-03-03
Applicant: 厦门大学
Abstract: 本发明涉及一种社交媒体危机事件预测方法及系统。所述方法包括:使用预训练词向量GloVe将原始事件表示成事件向量;根据原始事件的事件向量,使用卷积神经网络和注意力机制获取原始事件的特征向量,包括已知事件的特征向量和候选事件的特征向量;使用点乘相似度计算指标来计算已知事件的特征向量和候选事件的特征向量之间的相似度;根据已知事件的特征向量和候选事件的特征向量之间的相似度,从多个候选事件中选择出危机事件的预测事件。本发明方法利用卷积神经网络和注意力机制来对事件提取特征,并根据事件间的特征相似度进行预测,能够提高事件预测的鲁棒性和准确性;并且本发明方法不依赖外部知识库,具有很强的通用性。
-
公开(公告)号:CN109582958A
公开(公告)日:2019-04-05
申请号:CN201811382046.9
申请日:2018-11-20
Applicant: 厦门大学深圳研究院
Abstract: 本发明涉及一种灾难故事线构建方法、装置,属于语义网络技术领域。该方法包括:收集指定灾难的相关信息;从相关信息中提取指定灾难相关的三元组实体信息;抽取三元组实体信息间的关系;抽取指定灾难实体的属性;根据三元组实体信息、三元组实体信息间的关系与指定灾难实体的属性,构建所述指定灾难的故事线。利用知识图谱生成灾难事故线,通过实体识别、关系提取、属性提取等知识图谱构建技术从新闻文本中抽取有用的信息来生成灾难故事线,解决了现有技术中无法从海量信息中提取有用信息来构建灾难故事线的问题。
-
公开(公告)号:CN109543747A
公开(公告)日:2019-03-29
申请号:CN201811382019.1
申请日:2018-11-20
Applicant: 厦门大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于分层随机森林的数据特征选择方法、装置,属于机器学习与数据挖掘技术领域。该方法利用基于分层随机森林的代价敏感属性选择方法,对于信息量分布不均衡的数据集(即有效特征少,冗余特征多),尤其是高维数据集进行特征选择,在考虑特征子集的分类能力的同时,考虑特征代价带来的影响,从而选择出既拥有较好的分类能力,又考虑了特征代价带来的影响的优秀子特征集,解决了目前现有技术中特征选择方法忽略代价的问题。
-
公开(公告)号:CN119961630A
公开(公告)日:2025-05-09
申请号:CN202510105256.7
申请日:2025-01-22
IPC: G06F18/21 , G06F18/15 , G06F18/2415 , G06N3/0464 , G06N3/0455 , G06N3/0895 , G06F123/02
Abstract: 本发明公开了一种数据增强方法、装置、设备及计算机可读存储介质,应用于数据处理技术领域,包括:将不同强度的噪声加入至初始数据集中,得到增强后的数据集;对增强后的数据集中不同强度的噪声进行分解,基于分解得到的近似系数和细节系数进行阈值处理,得到处理后的近似系数和处理后的细节系数,基于处理后的近似系数和处理后的细节系数进行信号重构,得到增强后的时域信号;基于增强后的时域信号得到增强后的频域信号,将增强后的时域信号和增强后的频域信号作为正样本对数据集。本发明仅需基于增强后的数据集得到的增强后的时域信号、频域信号作为正样本对,无需进行平移、翻转等操作,就可得到增强后的数据,故可以降低计算复杂度。
-
公开(公告)号:CN109582958B
公开(公告)日:2023-07-18
申请号:CN201811382046.9
申请日:2018-11-20
Applicant: 厦门大学深圳研究院
IPC: G06F40/30 , G06F40/295 , G06F16/35 , G06F16/36 , G06Q50/26 , G06N3/0442 , G06N3/045 , G06N3/047 , G06N3/0895
Abstract: 本发明涉及一种灾难故事线构建方法、装置,属于语义网络技术领域。该方法包括:收集指定灾难的相关信息;从相关信息中提取指定灾难相关的三元组实体信息;抽取三元组实体信息间的关系;抽取指定灾难实体的属性;根据三元组实体信息、三元组实体信息间的关系与指定灾难实体的属性,构建所述指定灾难的故事线。利用知识图谱生成灾难事故线,通过实体识别、关系提取、属性提取等知识图谱构建技术从新闻文本中抽取有用的信息来生成灾难故事线,解决了现有技术中无法从海量信息中提取有用信息来构建灾难故事线的问题。
-
公开(公告)号:CN119150140A
公开(公告)日:2024-12-17
申请号:CN202411283345.2
申请日:2024-09-13
Applicant: 厦门大学
IPC: G06F18/2415 , G06F18/2431 , G06F18/213 , G06N3/0464 , G06N3/047 , G06N3/098 , G01N29/04 , G01N29/24 , G06F123/02
Abstract: 基于非对称多任务学习的结构损伤检测系统,涉及结构健康监测。提出一种新的检测系统,即非对称多任务结构损伤识别模型,在多任务学习框架中,将损伤位置和大小的识别视为两个相关的任务,可以发挥多任务学习的优势,同时提升两个任务的性能。采用非对称的方法可以有效地减轻多任务学习中存在的负迁移现象的影响,提升损伤位置和大小的识别性能。此外,为了提升对损伤位置特征的有效利用,还提出一种位置注意力机制,这种机制能够为损伤位置特征和损伤大小特征自适应地分配权重,将两个特征加权求和之后,可以从中提取到包含丰富位置信息的损伤大小特征,从而提高损伤大小识别任务的效果。
-
-
-
-
-
-
-
-
-