公开(公告)号：CN104636449A

公开(公告)日：2015-05-20

申请号：CN201510038331.9

申请日：2015-01-27

申请人： 厦门大学 ,  林凡

发明人： 林凡 ,  王备战 ,  吴鹏程 ,  夏侯建兵

IPC分类号： G06F17/30

CPC分类号： H04L41/145 ,  G06F17/30705 ,  H04L41/069

摘要： 本发明公开一种基于LSA-GCC的分布式大数据系统风险识别方法，其包括如下过程：步骤1：建立LSA-GCC模型，该LSA-GCC模型用于将数据集映射到一个语义空间下，并采用聚类算法对其进行分类后，从聚类结果中抽取特定分类的原型向量，并对各个分类赋予一定权值，建立初始的原型向量模型；步骤2：通过LSA-SAM安全识别模型对风险进行前馈识别，LSA-SAM安全识别模型以LSA-GCC模型为基础进行信息系统风险评测，将待评估数据映射到同一语义空间后，与各个分类的原型向量作计算得到属于该分类的相似度，作相似度与对应分类的权值的累加和，最后求均值得到该待评估数据的风险值，即求得该数据到来时刻的风险值。

公开(公告)号：CN112597391B

公开(公告)日：2022-08-12

申请号：CN202011564657.2

申请日：2020-12-25

申请人： 厦门大学

发明人： 林元国 ,  林凡 ,  曾文华 ,  夏侯建兵 ,  张志宏

IPC分类号： G06F16/9535 ,  G06Q30/06 ,  G06N20/00

摘要： 本发明公开了一种基于动态递归机制的分层强化学习的推荐系统，包括用户画像矫正器：采用一种动态递归机制的策略梯度方法，及引入参数动态稀疏权重以删除噪声数据来修改用户画像，其中，所述动态递归机制的策略梯度方法包括：动态基线和基于时序上下文的递归强化学习，所述动态基线为采用动态稀疏权重对总收益进行学习策略的改进；注意力机制：用于自动调整用户偏好的变化；推荐模型：用于通过注意力机制向用户推荐最相关物品。本发明的推荐系统，通过在策略梯度方法中引入一个参数动态稀疏权重，使智能体在全局最优策略下选择最优行为；其次，结合时间上下文的分层强化学习，该方法能够更可靠地收敛，从而提高模型预测的稳定性。

公开(公告)号：CN106131862B

公开(公告)日：2019-08-16

申请号：CN201610511177.7

申请日：2016-07-01

申请人： 厦门大学 ,  常州梯卫士网络科技有限公司

发明人： 林凡 ,  吴鹏程 ,  王备战 ,  张志宏 ,  夏侯建兵

IPC分类号： H04W16/18 ,  H04W24/02 ,  H04W84/18

CPC分类号： Y02D70/00

摘要： 本发明提出一种无线传感器网络中基于多目标进化算法的优化覆盖方法，首先创建无线传感器网络的数学模型及目标函数，随机生成一种群，采用基于非支配排序和维度双向搜索的多目标进化算法主要流程如下：维持一个大小为N的种群，并通过不断迭代，引导算法逼近Pareto最优前沿。在每一次迭代过程中，首先给定一个种群Pt；引入基于改进差分运算的双向定向局部搜索策略用于产生一个更好的种群Pt′；然后，采用快速非支配排序算法对合并种群Pt∪Pt′进行排序并生成偏序边界，引入新分布度维持策略与快速非支配排序算法结合，以选择一个新的种群进入下一次进化，最终获得使得无线传感器网络所有节点的总工作功率小，同时又能保证覆盖率的最大化的种群方案。