-
公开(公告)号：CN120067432A
公开(公告)日：2025-05-30
申请号：CN202411927582.8
申请日：2024-12-25
Applicant: 大连海事大学
IPC: G06F16/9535 , G06F16/9538 , G06N3/0895 , G06N3/042 , G06N3/0464
Abstract: 本发明涉及计算机技术领域，具体公开了一种基于图扩散重构和图对比学习的Web API推荐方法，包括：基于历史调用信息构造Mashup‑API调用关系图；对所述Mashup‑API调用关系图进行基于图扩散的数据扩充，从而生成Mashup‑API调用关系的扩散矩阵；利用自适应图重构对扩散矩阵进行重构，从而生成对比视图；获取Mashup‑API调用关系图和对比视图，使用训练后的Light GCN作为基本图编码器对Mashup‑API调用关系图和对比视图进行处理，生成节点最终的特征表示向量；基于Mashup节点的特征表示向量和API节点的特征表示向量之间的内积对满足Mashup需求的API进行排序，从而生成推荐列表。本发明采用图扩散和自适应图重构模型对Mashup‑API调用关系图进行扩充，解决了Mashup和API之间历史交互数据稀疏的问题，同时提高了推荐的准确率。
-
公开(公告)号：CN115909817B
公开(公告)日：2024-11-12
申请号：CN202211305715.9
申请日：2022-10-24
Applicant: 大连海事大学
IPC: G08G3/02
Abstract: 本发明提供一种面向多智能船的分布式自主协同避碰方法。主要包括：基于船舶碰撞危险度模型构建本船的危险船舶列表；判断所述本船的危险船舶列表是否为空；根据本船与目标船舶的航行信息划分会遇态势；根据会遇态势确定每艘船舶的避碰责任系数；基于ORCA算法构造出本船与所有危险船舶的交互避碰空间；选择偏离当前航向最小的速度矢量作为最优速度矢量；清空危险船舶列表。本发明能够对船舶周围的交通态势进行连续的感知、决策和响应，使每艘智能船舶都可基于有限的感知信息独立自主地进行分布式协同避碰，且船舶之间不需要沟通协调，不仅降低了船舶之间的碰撞风险，而且节省了船舶之间的通信成本。
-
公开(公告)号：CN118260633A
公开(公告)日：2024-06-28
申请号：CN202410367981.7
申请日：2024-03-28
Applicant: 大连海事大学
IPC: G06F18/24 , G06F18/213 , G06F18/214
Abstract: 本发明公开了一种基于多元时间序列和改进AdaRNN模型的服务可靠性预测方法，包括：步骤1：获取原始KPIs数据集，由所述原始KPIs数据集中获取可靠性值、吞吐量、响应时间以及系统响应率数据，对所述历史可靠性时间序列进行预处理，从而得到服务可靠性数据集；步骤2：基于动态规划算法和自注意力机制对服务可靠性数据进行时间分布表征；步骤3：对服务可靠性数据进行时间分布匹配；步骤4：使用训练好的服务可靠性预测最佳模型对测试数据集进行预测，并输出预测结果及评价结果。本发明使用多元时间序列即服务响应时间、吞吐量和系统响应率作为服务可靠性度量指标，通过融合多元时间序列特征进行服务可靠性预测，以提高预测的准确率。
-
公开(公告)号：CN111880549B
公开(公告)日：2024-06-04
申请号：CN202010962958.4
申请日：2020-09-14
Applicant: 大连海事大学
IPC: G05D1/43 , G06N3/092 , G05D109/10
Abstract: 本发明提供一种面向无人船路径规划的深度强化学习奖励函数优化方法，包括：S1、获取环境信息；S2、获取无人船与障碍物之间的距离以及无人船与目标点之间的距离；S3、根据船舶到达目标点的次数，给予相对应的奖励值；S4、判断船舶是否在奖励域内，根据奖励域奖励原则给予相应的奖励；S5、判断无人船是否与障碍物碰撞，给予相对应的惩罚值；S6、判断船舶是否在危险域内，根据危险域惩罚原则给予相应的惩罚，否则根据一般情况奖励原则给予奖励。本发明通过在船舶航行的目标点附近增加奖励域、在障碍物附近增加危险域，并引入计数原则，来增大或者减少获得的奖励或惩罚，加快深度强化学习算法的收敛速度，引导船舶更快地避开障碍物到达目标点。
-
公开(公告)号：CN113778733B
公开(公告)日：2024-03-15
申请号：CN202111014950.6
申请日：2021-08-31
Applicant: 大连海事大学
IPC: G06F11/07 , G06N3/0455 , G06N3/08
Abstract: 本发明提供一种基于多尺度MASS的日志序列异常检测方法，涉及日志序列异常检测技术领域，包括训练阶段和检测阶段，本发明方法通过学习正常日志序列的模式，对偏离正常日志序列的异常模式进行检测。首先，从非结构化的日志中提取结构化的日志键；其次，为了捕获日志序列中不同尺度的上下文依赖，提高获取日志上下文信息的能力，本发明对MASS模型的Attention机制进行改进，将其替换为多尺度Attention；最后，将正常日志序列输入到改进的MASS模型中学习正常模式，利用其Mask机制对日志序列进行异常检测。在两个日志数据集上的实验结果表明，本发明方法优于现有的大多数基于日志序列的异常检测方法。
-
Patent Agency Ranking
公开(公告)号：CN115688999A
公开(公告)日：2023-02-03
申请号：CN202211295972.9
申请日：2022-10-21
Applicant: 大连海事大学
IPC: G06Q10/04 , G06F18/2113 , G06F18/214 , G06N20/20
Abstract: 本发明提供一种基于加权交叉降维的服务系统可靠性预测方法，包括：获取训练用服务系统特征数据，计算系统可靠性值；获取基础特征并将所述基础特征内的数据顺序随机打乱后作为噪声特征，建立特征交叉窗口；基于特征筛选对所述特征交叉窗口内的特征进行降维；根据降维特征占全部特征数据的比值判断降维幅度是否达到要求；通过基于梯度的单边采样算法对所述降维特征进行加权采样，获取降维特征的残差特征；通过降维特征和残差特征训练XGBoost模型。本发明对特征数据进行加权交叉降维处理，改进了可靠性值的计算方法，解决了大型服务系统特征数量过多导致的学习器过拟合问题，并且充分利用高维数据的训练优势，提高预测准确性。
-
公开(公告)号：CN115658672A
公开(公告)日：2023-01-31
申请号：CN202211379295.9
申请日：2022-11-04
Applicant: 大连海事大学
IPC: G06F16/215 , G06F16/2458 , G06F16/9537 , G06F18/214
Abstract: 本发明提供一种基于改进Transformer和掩蔽训练的KPIs缺失值插补方法，包括：构建KPIs时间序列；通过PositionalEncoding对所述KPIs时间序列进行位置编码；将KPIs时间序列与位置编码后的数据集进行对位相加；将对位相加得到的序列输入基于改进的Transformer的插补模型，任意堆叠层包括多头注意力网络和前馈网络，所述多头注意力网络内部应用对角线掩码；获取基于改进的Transformer的插补模型的输出序列，并通过Linear线性变换将所述输出序列的维度减少到与所述KPIs时间序列维数相同，得到降维后序列，将KPIs时间序列的缺失值替换为降维后序列中的对应值，得到完整的插补后的KPIs时间序列。本发明只需要一次注意力操作就能捕获高维空间中时间步长之间的时间依赖性和特征相关性，从而提高了模型训练速度。
-
公开(公告)号：CN115167837A
公开(公告)日：2022-10-11
申请号：CN202210648776.9
申请日：2022-06-09
Applicant: 大连海事大学
Abstract: 本发明提供一种CA‑CCML语言可视化模型的编排规则校验方法。具体包括：将CA‑CCML语言可视化模型的每种图形节点类型生成唯一的节点描述符；采用上下文无关文法对CA‑CCML语言可视化模型的编排规则进行描述，将经过描述的编排规则输入到LALR(1)语法分析器生成规则分析表；基于所述规则分析表对实际生成的可视化模型的每一条路径进行编排规则校验，从而得到校验结果。本发明将LALR(1)语法分析器应用到CA‑CCML语言可视化模型的编排规则校验过程中，不需要进行分支逻辑判断，减少了冗余校验，可维护性强。
-
公开(公告)号：CN114138973A
公开(公告)日：2022-03-04
申请号：CN202111468162.4
申请日：2021-12-03
Applicant: 大连海事大学
Abstract: 本发明提供一种基于对比对抗训练的日志序列异常检测方法，包括训练和检测两个阶段。训练阶段包括对日志数据进行解析；获取日志序列并提取出一个负样本日志序列集合；判断检测模型的损失是否趋于稳定，如果趋于稳定，则使用FGM进行对抗训练扰动BERT的嵌入层；将正、负样本日志序列输入到模型中，生成被扰动的语义向量后取消对嵌入层的扰动，再次生成未被扰动的语义向量；使用对比学习并且继续保持原本的有监督训练任务来对模型进行训练；判断训练集中是否已经没有日志序列，如果判断没有需要训练的日志序列则停止训练。检测阶段包括将待检测的日志序列输入到训练后的日志序列异常检测模型，查看模型的输出，根据输出结果判断日志序列是否异常。
-
公开(公告)号：CN119997103A
公开(公告)日：2025-05-13
申请号：CN202411905189.9
申请日：2024-12-23
Applicant: 大连海事大学
IPC: H04W28/084 , H04W28/02 , H04W28/08
Abstract: 本发明涉及计算机网络技术领域，具体涉及一种基于改进鲸鱼优化算法的边缘服务动态迁移方法。该方法面向多用户进行边缘服务动态迁移，在对用户位置进行预测的基础上进行服务动态迁移，以减少服务迁移能耗、降低服务迁移时延作为优化目标，更加符合真实场景。本发明从动态自适应迭代终止判断、自适应动态波动非线性收敛和禁忌搜索三个方面对鲸鱼优化算法进行改进：首先，提出动态自适应迭代终止判断方法，将迭代次数和适应度值相关联，避免了算法在未达到目标值的情况下造成过度迭代；然后，提出自适应动态波动非线性收敛方法，帮助算法避免陷入局部最优解，提升算法求解精度；最后，引入禁忌搜索方法，提升算法收敛速度和对更优解的开发能力。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.028 seconds)
