基于Hadoop集群的大规模Web信息提取方法及系统

    公开(公告)号:CN103631922B

    公开(公告)日:2017-04-05

    申请号:CN201310642219.7

    申请日:2013-12-03

    申请人: 南通大学

    IPC分类号: G06F17/30

    摘要: 针对单一节点不能胜任大规模Web信息提取需求的问题,本申请公开了一种基于Hadoop集群的大规模Web信息提取方法及系统,汇聚处理节点根据设定提取条件提取待查询网站种子,根据各查询节点的处理能力进行负载均衡分割,并向各查询节点下发的待查询种子,各查询节点根据待查询种子在本地进行网页提取,并进行上报,汇聚处理节点将上报的信息汇聚后得到大规模Web信息。该申请以Hadoop集群方式进行海量数据提取,并以高效的Hbase类型的内存数据库进行数据处理,较之单机及传统关系型数据库的提取效率有极大性能的提升,并具有高可靠性与高扩展性。

    基于嵌入式Web的远程监控装置

    公开(公告)号:CN103220356B

    公开(公告)日:2014-07-23

    申请号:CN201310139879.3

    申请日:2013-04-22

    申请人: 南通大学

    IPC分类号: H04L29/08 G06F17/30

    CPC分类号: Y02D10/45

    摘要: 本发明公开了一种基于嵌入式Web的远程监控装置,包括数据处理模块。数据处理模块与数据采集模块、监测显示模块、设备控制模块、数据存储模块、实时报警模块和安全验证模块连接。实现了一种低功耗、低成本、稳定安全的设备远程监控解决方案。本发明装置同时连接传感器、设备和网络,实现了嵌入式Web服务的远程监控装置,可以连接入局域网或者Internet。用户只需在任意一台连接如网络的电脑或手机客户端浏览器上,输入设定的IP地址或域名即可验证登录嵌入式Web页面,查看设备的使用状态,并可根据需要控制设备的开启与关闭,从而真正实现对设备的远程监控。

    基于嵌入式Web的远程监控装置

    公开(公告)号:CN103220356A

    公开(公告)日:2013-07-24

    申请号:CN201310139879.3

    申请日:2013-04-22

    申请人: 南通大学

    IPC分类号: H04L29/08 G06F17/30

    CPC分类号: Y02D10/45

    摘要: 本发明公开了一种基于嵌入式Web的远程监控装置,包括数据处理模块。数据处理模块与数据采集模块、监测显示模块、设备控制模块、数据存储模块、实时报警模块和安全验证模块连接。实现了一种低功耗、低成本、稳定安全的设备远程监控解决方案。本发明装置同时连接传感器、设备和网络,实现了嵌入式Web服务的远程监控装置,可以连接入局域网或者Internet。用户只需在任意一台连接如网络的电脑或手机客户端浏览器上,输入设定的IP地址或域名即可验证登录嵌入式Web页面,查看设备的使用状态,并可根据需要控制设备的开启与关闭,从而真正实现对设备的远程监控。

    光稳定剂硬脂酸2,2,6,6-四甲基-4-哌啶酯及其生产方法

    公开(公告)号:CN101544595A

    公开(公告)日:2009-09-30

    申请号:CN200910026784.4

    申请日:2009-05-06

    摘要: 本发明公开了一种光稳定剂硬脂酸2,2,6,6-四甲基-4-哌啶酯及其生产方法,是以硬脂酸甲酯、2,2,6,6-四甲基-4-羟基哌啶为原料,在催化剂存在的条件下反应制得硬脂酸2,2,6,6-四甲基-4-哌啶酯;所述催化剂是四丁基溴化铵,其用量为硬脂酸甲酯的0.8~4.8%。本发明用硬脂酸甲酯、2,2,6,6-四甲基-4-羟基哌啶为原料合成硬脂酸2,2,6,6-四甲基-4-哌啶酯,采用四丁基溴化铵催化剂,简化了分离提纯过程,反应时间短,产品收率高,使产品的收率达到95%以上,得到产品纯度高,能耗也大大的减少,环境污染小,成本低,是实现工业化生产的较理想的工艺。

    一种基于时空复杂图卷积网络的交通流预测方法

    公开(公告)号:CN114511154B

    公开(公告)日:2024-06-14

    申请号:CN202210160677.6

    申请日:2022-02-22

    申请人: 南通大学

    摘要: 本发明公开了一种基于时空复杂图卷积网络的交通流预测方法,包括:采集高速公路上所安置传感器的交通流数据,进行数据预处理以降低复杂度和冗余度;根据传感器的位置及交通流数据生成道路图及其特征矩阵;根据不同传感器的位置、数据关联和天气数据,分别构建距离矩阵,数据关联矩阵和舒适度矩阵,将三种矩阵融合得到新的节点关系矩阵;构建时空复杂图卷积网络,该网络由空间特征提取组件和时间特征提取组件组成;训练时空复杂图卷积网络,并用训练好的模型预测下一时刻的交通流。本发明在对道路交通流进行时空特征提取前,建立三种关系矩阵来提取不同节点之间的关系,提高了对道路不同节点的关联特征提取能力,进而提高道路交通流的预测精度。

    基于结构中心扩散的图卷积神经网络的社区发现方法

    公开(公告)号:CN117150147A

    公开(公告)日:2023-12-01

    申请号:CN202310988818.8

    申请日:2023-08-08

    申请人: 南通大学

    摘要: 本发明公开一种基于结构中心扩散的图卷积神经网络的社区发现方法。首先,将网络转化为图结构得到邻接矩阵和节点属性矩阵。然后,通过计算网络结构中的局部密度、节点相似度和相对距离,选择初始的结构中心节点。接着,利用图拓扑和节点属性对初始结构中心进行细化和扩散标签集。最后,使用多种损失函数联合优化模型参数。本发明局部密度和结构中心两个角度,通过迭代优化结构中心以及选择一些与社区结构中心的隶属度相近的节点来扩展伪标签集,并利用用扩散的伪标记集训练GCN,实现社区检测。提高了GCN的社区检测性能,保证了社区发现的精确性,对个性化推荐、社区欺诈检测等多种领域有着重要意义。

    基于无监督学习的图卷积神经网络的社区发现方法

    公开(公告)号:CN117034061A

    公开(公告)日:2023-11-10

    申请号:CN202310977640.7

    申请日:2023-08-04

    申请人: 南通大学

    摘要: 本发明公开一种基于无监督学习的图卷积神经网络的社区发现方法。首先,对数据预处理,计算出节点和边的邻接矩阵和特征矩阵。然后,使用GCN模型,结合节点和边的特征,学习最终的节点表征矩阵。接着,使用无监督学习方法,使用重构损失函数和模块度损失函数反向传播优化模型。最后,使用k‑means聚类算法,对节点进行社区划分。本发明从无监督学习和边和节点特征相结合的两个方向出发,计算节点表征矩阵,拓宽了学习节点表征的方法,保证了节点表征学习的质量,提高了社区发现的精确性,对研究引文网络、脑神经和推荐系统等多种领域的研究有着重要意义。

    基于图神经网络的社区发现方法
    40.
    发明公开

    公开(公告)号:CN116304773A

    公开(公告)日:2023-06-23

    申请号:CN202310043047.5

    申请日:2023-01-29

    申请人: 南通大学

    摘要: 本发明公开一种基于图神经网络的社区发现方法,包括:将节点信息转换成one‑hot向量作为初始特征值;对one‑hot向量进行PCA降维,计算降维后目标节点与其他节点的特征相似度,学习到目标节点在特征视图下的节点表征;在元路径内和元路径间使用注意力机制,学习到目标节点在元路径视图下的节点表征;分层聚合邻居节点的信息,学习到目标节点在结构视图下的节点表征;拼接三种节点表征,学习到目标节点最终的节点表征;通过最小化交叉熵损失函数来优化模型;通过对生成的节点表征进行k‑means划分成不同的社区。本发明考虑了节点元路径视图下的信息以及特征视图和结构视图下的信息,提高了学习到的节点信息的丰富性与完整性,提高了表征的质量,使发现的社区更为精准。