-
公开(公告)号：CN108536757B
公开(公告)日：2022-04-01
申请号：CN201810224888.5
申请日：2018-03-19
Applicant: 武汉大学
IPC: G06F16/335 , G06F16/35 , G06F40/211 , G06Q10/06
Abstract: 本发明涉及一种基于用户历史网络潜在有害主题引导方法。流程如下：1.根据有害信息的传播方式(如评论、转发等)构建分级评估指标体系，再利用情感倾向性算法构建危害分级模型。2.对危害信息进行主题分类并确定信息的危害级别，然后标记浏览过这些信息的用户。3.根据1中算法去获取每个级别下各个类别的无危害信息，构建分级推荐模型。4.分离出浏览过危害信息的所有用户，并对这些用户进行一段时间的网络浏览痕迹跟踪，并通过预警，查封，推荐，释放四种种方式来干预和释放用户。通过本发明可以渐渐的改变危害信息受众用户的阅读取向，从而间接的净化互联网环境，还可以加强相关部门对危害信息发布人的打击力度和准确度。
-
公开(公告)号：CN106991160B
公开(公告)日：2020-07-24
申请号：CN201710203904.8
申请日：2017-03-30
Applicant: 武汉大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本文发明涉及一种基于用户影响力以及内容的微博传播预测方法，流程如下：1.利用scrapy技术对两个用户的个人信息和他们之间的转发关系及转发微博进行爬取。2.利用RankPage影响力分析技术提取用户影响力，形成用户权威预测因子。3.采用单位时间粉丝转发微博在所有发表微博的百分比，提取粉丝转发活跃度预测因子。4.采用TF‑IDF词语权重技术对微博内容进行重要性分析，提取微博重要性预测因子。5.利用滚雪球的抽样方法将提取到的转发关系划分成10折微博转发训练集和微博忽略训练集6.利用有监督的贝叶斯网络对训练集进行训练，直至分类器参数收敛。利用本发明可以提高针对新浪微博特定粉丝转发微博预测的准确度。
-
公开(公告)号：CN107169145A
公开(公告)日：2017-09-15
申请号：CN201710465289.8
申请日：2017-06-19
Applicant: 武汉大学
Abstract: 本发明涉及计算机科学数据挖掘中的聚类和电气工程中的线损标杆值计算等技术领域，具体涉及一种基于聚类算法的用户窃电严重等级检测的方法，1.在电网平台内采集用户用电量异常率、线损率、三相电压/电流、功率因数。2.针对用户计算线损标杆值，比较实际线损率与线损标杆值，对超出值划分区间，得到线损异常等级0~5。3.利用三相电压/电流计算三相电压/电流不平衡率。4.以上述数据为输入样本，采用k‑means聚类算法对其聚类得到6种类别，即窃电严重等级。5.分别计算待检用户数据与6种类别的欧氏距离，距离最近者即为待检用户窃电严重等级。该检测方法利用聚类算法对大量样本进行聚类，可以有效划分出用户窃电严重等级。
-
公开(公告)号：CN106991638A
公开(公告)日：2017-07-28
申请号：CN201710204294.3
申请日：2017-03-30
Applicant: 武汉大学
Abstract: 本发明涉及一种基于序列影像Harris‑DOG特征提取的多粒度并行优化的方法，首先进行相应的任务划分，主机端（CPU）采用多线程方式处理，读入影像并上传至GPU全局存储器。然后进行Harris特征提取时，CPU初始化相关的参数，并上传参数值至GPU；进行DOG特征提取时，CPU计算高斯模板并绑定到GPU常量存储器。设备端（GPU）采用CUDA并行方式处理，Harris‑DOG算子特征提取算法针对同样的原始图像输入，分别运用Harris算子和DOG算子进行特征点提取，并回传计算结果至CPU。最后主机端进行特征点集合构建和合并。本发明可以有效地对序列影像Harris‑DOG特征提取进行加速优化。
-
公开(公告)号：CN106991011A
公开(公告)日：2017-07-28
申请号：CN201710204293.9
申请日：2017-03-30
Applicant: 武汉大学
IPC: G06F9/50
CPC classification number: G06F9/5027 , G06F9/5066
Abstract: 本发明涉及一种针对大数据任务处理的基于CPU多线程与GPU多粒度并行及协同优化的方法，首先创建主线程，根据已知参数计算CPU_GPU最佳任务划分。启动n个线程，其中1个负责调度GPU，其余负责执行CPU计算任务。然后采用内存池技术降低数据从磁盘读入内存的通信开销；采用哈希表和信息摘要解决多线程访存中资源竞争的问题；采用流水线技术隐藏数据从内存读入CPU的通信时间。在主机端，CPU采用多核多线程方式执行分配到的任务；在设备端，GPU采用CUDA并行方式执行分配到的任务。全部任务完成后，主线程收回控制权直至退出。本发明可以在大数据任务处理中取得明显的加速效果，降低任务总的处理时间，提高处理效率。
-
Patent Agency Ranking
公开(公告)号：CN105044653A
公开(公告)日：2015-11-11
申请号：CN201510371954.8
申请日：2015-06-30
Applicant: 武汉大学
IPC: G01R35/04
Abstract: 本发明涉及一种智能电表的软件一致性检测方法，主要以计算机学科中的固件逆向工程技术、反汇编和反编译技术、嵌入式系统设计技术为指导理论，针对智能电表在生产过程中出现的样品表和批量表运行时差异问题，深入分析了表征电表运行差异的内部核心代码，进而通过反汇编和反编译手段实现了两种类型电表的软件一致性检测。利用本发明的方法可以有效解决不同的智能电表的软件一致性问题。例如：在维护电力企业已使用电表时，使用本发明中的方法，可以控制拟投产电表与已使用电表功能和质量误差在±20%范围内。
-
公开(公告)号：CN106991011B
公开(公告)日：2020-07-24
申请号：CN201710204293.9
申请日：2017-03-30
Applicant: 武汉大学
IPC: G06F9/50
Abstract: 本发明涉及一种针对大数据任务处理的基于CPU多线程与GPU多粒度并行及协同优化的方法，首先创建主线程，根据已知参数计算CPU_GPU最佳任务划分。启动n个线程，其中1个负责调度GPU，其余负责执行CPU计算任务。然后采用内存池技术降低数据从磁盘读入内存的通信开销；采用哈希表和信息摘要解决多线程访存中资源竞争的问题；采用流水线技术隐藏数据从内存读入CPU的通信时间。在主机端，CPU采用多核多线程方式执行分配到的任务；在设备端，GPU采用CUDA并行方式执行分配到的任务。全部任务完成后，主线程收回控制权直至退出。本发明可以在大数据任务处理中取得明显的加速效果，降低任务总的处理时间，提高处理效率。
-
公开(公告)号：CN108536757A
公开(公告)日：2018-09-14
申请号：CN201810224888.5
申请日：2018-03-19
Applicant: 武汉大学
Abstract: 本发明涉及一种基于用户历史网络潜在有害主题引导方法。流程如下：1.根据有害信息的传播方式(如评论、转发等)构建分级评估指标体系，再利用情感倾向性算法构建危害分级模型。2.对危害信息进行主题分类并确定信息的危害级别，然后标记浏览过这些信息的用户。3.根据1中算法去获取每个级别下各个类别的无危害信息，构建分级推荐模型。4.分离出浏览过危害信息的所有用户，并对这些用户进行一段时间的网络浏览痕迹跟踪，并通过预警，查封，推荐，释放四种种方式来干预和释放用户。通过本发明可以渐渐的改变危害信息受众用户的阅读取向，从而间接的净化互联网环境，还可以加强相关部门对危害信息发布人的打击力度和准确度。
-
公开(公告)号：CN106951779A
公开(公告)日：2017-07-14
申请号：CN201710194340.6
申请日：2017-03-28
Applicant: 武汉大学
CPC classification number: G06F21/566 , G06F21/554 , G06F21/6218 , G06F21/85
Abstract: 本发明涉及一种基于用户选择与设备行为分析的USB安全防护系统，基于过滤层驱动，通过在USB设备接入主机工作前，与用户交互后进行设备类型判定，在硬件驱动底层实现对USB设备行为的全面实时监控，针对U盘病毒以及最新出现的BadUSB等攻击手段，定位含有恶意操作的IRP，对插入的USB设备的安全性进行判定。并基于系统内部信任传递的可信链的概念，结合IRP拦截技术与恶意代码检测技术，形成了一套准确性高、易操作的USB安全防护监控系统。
-
公开(公告)号：CN106991617B
公开(公告)日：2020-07-10
申请号：CN201710203903.3
申请日：2017-03-30
Applicant: 武汉大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明涉及一种基于信息传播的微博社交关系提取算法，包括：1.使用平台开放接口或者爬虫软件获得微博数据，以及微博下的评论与转发数据。2.以用户为基本单位检索出其原创微博，对于每一条原创微博，创建微博信息传播树，对树的边赋予权重。3.通过信息传播树，反演化用户社交关系树。4.单用户社交关系融合。5.多用户社交关系融合。通过本发明可以重新获得基于信息传播的微博用户间的社交关系，同时，通过赋予权重等手段，可以对用户间的亲密关系进行量化处理。经过本发明算法的数据处理后，获得的微博用户社交拓扑结构，是对在线社交网络进一步分析应用的重要数据基础。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.015 seconds)
