-
公开(公告)号：CN112035545A
公开(公告)日：2020-12-04
申请号：CN202010891298.5
申请日：2020-08-30
Applicant: 哈尔滨工程大学
IPC: G06F16/2458 , G06Q50/00 , G06N20/00
Abstract: 本发明属于社会网络分析和数据挖掘技术领域，具体涉及一种考虑非活跃节点和社区边界的竞争影响力最大化方法。本发明解决了以往研究中存在的对非激活节点影响力的忽略以及基于社区的影响力最大化算法中社区的同质性对信息传播会产生阻塞等问题。本发明提出了一种新的竞争环境下的传播模型CIMWIB，该模型能够有效地模拟社会网络中非活跃用户在信息传播中的作用。为了解决社区的同质性对信息传播的阻塞问题，本发明提出了一种新的评价节点影响力的指标BI。在上述研究的基础之上，本发明提出了一种二阶段种子节点选择算法CBCIM，该算法可以帮助商家在竞争环境下更好推广自己，利用口碑效应得到更高的效益。
-
公开(公告)号：CN105228099A
公开(公告)日：2016-01-06
申请号：CN201510523105.X
申请日：2015-08-24
Applicant: 哈尔滨工程大学
CPC classification number: H04W64/006
Abstract: 本发明涉及一种基于环形扩散事件及移动锚节点的定位算法。本发明包括：在一个无线传感器网络中，无线传感器网络区域为圆形区域且大小已知,设为S，则半径为计算单轮事件数RankEvents和最小锚距离MinAnchorDst；进行一个轮次的定位，总共产生RankEvents个事件，每个事件以环形向外扩散，对于同一事件，根据感知到事件的先后顺序排列所有节点得到一个节点序列，节点序列中同时包含锚节点和未知节点。LADEMA算法相对于原始LADE算法引入了移动锚节点的思想，付出了一定的外部代价，换取了更高的定位效率和定位精度，总体而言性能更优。
-
公开(公告)号：CN105163280A
公开(公告)日：2015-12-16
申请号：CN201510522234.7
申请日：2015-08-24
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于分簇的无线传感器网络移动锚节点定位算法。本发明包括：确定网络区域中的簇头节点，选择通信范围内含未知节点最多的点为簇头并将整个簇进行标记，除去标记节点继续按上述要求选择簇头，直到所有节点都被标记；锚节点选择有最多待定未知节点的簇的簇首位置作为初始位置，准备按规划好的路径策略进行移动。本发明有效且低成本得解决了锚节点共线问题。传统移动模型在定位时需要借助雷达等外设或者增加一些信号接收阵列装置来解决此问题，而本算法在具有较多节点的簇内的移动路径为以簇首为中心的正六边形，大大减小了未知节点收到三个共线的位置信息的可能性。
-
公开(公告)号：CN118885673A
公开(公告)日：2024-11-01
申请号：CN202410908392.5
申请日：2024-07-08
Applicant: 哈尔滨工程大学
IPC: G06F16/9536 , G06F16/901 , G06Q50/00
Abstract: 本发明提供的是一种基于k‑truss嵌套索引的社区搜索方法、系统及存储介质。本发明所述的系统包括数据采集装置、索引构造装置、单节点搜索装置、个性化社区搜索装置。所述的方法采用k‑truss社区模型作为社区的结构约束条件。CSKNI方法能够高效率地在普通网络与符号网络上完成索引构建，并利用索引进行社区搜索，获得指定的连通k‑truss社区或具有基本内聚特征的社区。同时，本研究针对网络数据中边与节点的增加、删除情况，设计了相应的索引维护算法，保证索引可以高效正确地应对数据变化，以满足社区搜索的正确性和实时性。本发明可部署在各服务器机房后端，可广泛应用于社交网络场景下社区搜索等应用领域。
-
公开(公告)号：CN105279508A
公开(公告)日：2016-01-27
申请号：CN201510566372.5
申请日：2015-09-08
Applicant: 哈尔滨工程大学
CPC classification number: G06K9/3233 , G06K9/6267
Abstract: 本发明属于医疗信息技术领域，具体涉及一种基于KAP有向图模型的医学图像分类方法。本发明包括：待分类图像提出分类请求：待分类图像应为原始医学图像数据；图像预处理过程：对原始医学图像提取感兴趣ROI区域，计算图像ROI区域的灰度直方图，得到图像ROI区域的灰度直方图的波谷列表，根据波谷列表对图像分级提取纹理特征，根据实际需要将得到的分级纹理图像规范化到统一的大小，并在纹理部位提取出图像的角点。本发明提出的面向纹理的角点提取方法有效的降低了角点的提取时间，同时由于纹理部位是图像中灰度变化最剧烈的位置，也是图像中反应信息量最重要的位置，进而提高了角点的代表性。
-
Patent Agency Ranking
公开(公告)号：CN105184074A
公开(公告)日：2015-12-23
申请号：CN201510551820.4
申请日：2015-09-01
Applicant: 哈尔滨工程大学
IPC: G06F19/00
Abstract: 本发明属于医疗信息技术领域，具体涉及一种基于多模态医学影像数据模型的医学数据提取和并行加载方法。本发明包括：数据准备；数据建模；数据提取；数据加载；数据使用。本发明提出的多模态数据模型是对医学影像数据的一个统一模型。提出的基于多模态数据模型的DICOM提取和并行加载技术实现了医学影像数据的统一建模和存储。这种统一建模的数据提取和加载技术对原始数据的利用率很高，不同类型数据之间的关系也被精确完整地表达，从而扩展了基于医学影像数据的数据挖掘的挖掘范围和深度。采用统一模型对所有模态的数据建模，使数据的后期使用和更新具有更好的通用性和一致性。
-
公开(公告)号：CN105139430A
公开(公告)日：2015-12-09
申请号：CN201510534713.0
申请日：2015-08-27
Applicant: 哈尔滨工程大学
CPC classification number: G06F17/30705 , G06T2207/10081 , G06T2207/10088 , G06T2207/10104
Abstract: 本发明属于医疗信息技术领域，具体涉及一种基于图熵的医学图像聚类方法。本发明包括：(1)待聚类图像提出聚类请求；(2)图像预处理过程；(3)图的稀疏化；(4)基于图熵的带权无向图聚类；(5)展示结果。本发明提出利用图熵的方法对医学图像进行聚类，通过将医学图像集抽象成完全图，之后对其进行稀疏化剪枝处理，所留下的边说明两张图像均认为与对方很相似，最后提出带权无向图的聚类方法。通过以上过程对医学图像进行聚类，可以有效的降低聚类时间而且聚类的准确率也没有明显的降低，利用这种方法可以辅助医生在日常工作中对病人的病情进行诊断。
-
公开(公告)号：CN105068045A
公开(公告)日：2015-11-18
申请号：CN201510447922.1
申请日：2015-07-28
Applicant: 哈尔滨工程大学
IPC: G01S5/02
CPC classification number: G01S5/02
Abstract: 本发明涉及一种基于正六边形的无线传感器网络递增式定位算法。本发明将WSN区域划分为n个同心正六边形；将锚节点放置到网络区域的中心，作为移动的起始点；锚节点每移了Rm长度，广播自己的位置信息；判断区域内的节点是否都已完成自定位，若是没完成，重复步骤(5)，否则，定位结束。该算法也缩短了传统的基于锚节点的策略的路径长度，计算复杂度不高，但定位精度较高。该算法选择高效的静态锚节点，降低网络系统的计算和通信开销，同时也降低递增式定位所带来的累计误差。
-
公开(公告)号：CN119272919A
公开(公告)日：2025-01-07
申请号：CN202411301402.5
申请日：2024-09-18
Applicant: 哈尔滨工程大学
IPC: G06Q10/04 , G06Q50/00 , G06Q50/26 , G06N3/0455 , G06N3/0985
Abstract: 本发明提供了一种基于多特征序列的社会搜索热点传播预测方法、系统、程序、设备及存储介质。本发明考虑了事件序列中的时间信息、事件类型信息、用户信息以及用户属性信息，利用Transformer模型对社会搜索热点事件序列进行表示学习，将学习出来的表示向量作为Hawkes过程的输入，使其更好的捕捉事件之间的相互影响关系。本发明依据历史事件的强度函数对事件序列进行预测：短期预测是预测下一事件发生的时间与事件类型，长期预测是事件在给定时间区间内的传播大小，以取得更好的序列数据拟合与序列预测效果。
-
公开(公告)号：CN119271906A
公开(公告)日：2025-01-07
申请号：CN202411301441.5
申请日：2024-09-18
Applicant: 哈尔滨工程大学
IPC: G06F16/9536 , G06Q50/00 , G06F16/28
Abstract: 本发明提供的是一种面向符号社会网络正面信息最大化传播方法、程序、设备及存储介质。本发明使用基于符号潜在因子的链接预测模型来进行链接预测，补全网络链接关系的缺失。在此基础上通过采用基于符号的PageRank算法选择种子节点传播信息，使得正面信息影响力最大化。本发明考虑到当前网络中用户关系缺失以及关系复杂这些问题，能够通过链接预测技术对网络结构进行完善，基于完整的网络结构，通过种子节点选择算法选择最有影响力的种子节点传播信息，从而使得信息的正面信息影响力最大化。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.022 seconds)
