-
公开(公告)号:CN119740164A
公开(公告)日:2025-04-01
申请号:CN202411806184.0
申请日:2024-12-10
Applicant: 哈尔滨工程大学
IPC: G06F18/2433 , G06F18/25 , G06F18/15
Abstract: 本发明提供一种基于两个新异常因子的异常值检测方法,属于数据处理与管理技术领域。包括步骤1、构造去重数据集;步骤2、计算去重数据集中每个点的k邻域局部质心偏移密度因子;步骤3、计算去重数据集中每个点的全局特征拟合偏移距离因子;步骤4、融合两类因子;步骤5、比较去重数据集中每个点的融合因子大小,识别异常值。本发明通过设计局部质心偏移密度因子与全局特征拟合偏移距离因子,并融合两类因子,实现数据重复次数多且数据特征间存在拟合关系特点数据异常值的准确识别。
-
公开(公告)号:CN119740474A
公开(公告)日:2025-04-01
申请号:CN202411808873.5
申请日:2024-12-10
Applicant: 哈尔滨工程大学
IPC: G06F30/27 , G06F30/15 , G06Q10/0631 , G06Q10/109 , G06Q50/04 , G06F111/04
Abstract: 本发明提供一种用于编排邮轮生产设计任务计划的启发式规则方法,包括步骤1、基于任务逻辑与任务间成熟度量化任务间的并行依赖关系;步骤2、设计融合学习曲线的任务工时‑人数关系函数;步骤3、构造计划编排模型;步骤4、提出用于编排计划的设计计划编排规则。本发明属于船舶设计技术管理领域。本发明通过建立邮轮生产设计各专业间与专业内不同流程间的任务执行逻辑模型,定义任务成熟度概念,并使用任务间的执行逻辑与成熟度来绘制任务逻辑有向无环图(DAG),以清晰表述任务间逻辑与量化任务并行依赖关系。构造融合学习曲线的任务工时‑人数关系函数,设计启发式规则方法求解得出邮轮生产设计任务执行计划。
-
公开(公告)号:CN119760501A
公开(公告)日:2025-04-04
申请号:CN202411806284.3
申请日:2024-12-10
Applicant: 哈尔滨工程大学
IPC: G06F18/241 , G06F18/213 , G06N3/0455 , G06N3/048 , G06N3/0985
Abstract: 本发明属于数据处理与管理技术领域,提供一种基于正交矩阵‑自编码器的无序多分类变量编码方法,包括步骤1、使用正交矩阵进行无序多分类变量编码;步骤2、使用贝叶斯优化自编码器超参数;步骤3、使用优化后的自编码器进行正交数值向量降维;步骤4、使用低维数值编码输入至神经网络模型进行目标预测。它涉及将无序多分类变量映射为低维数值向量,以输入至神经网络模型进行目标预测。本发明通过正交矩阵对无序多分类变量进行数值编码,保证编码之间位置独立、距离相等、大小相同;其次使用自编码器对数值编码开展表征学习后进行降维,保证输入至神经网络的数据学习到了正交矩阵的相关特点的同时又是低维的。
-
-