-
公开(公告)号：CN118227366A
公开(公告)日：2024-06-21
申请号：CN202410402291.0
申请日：2024-04-03
Applicant: 大连海事大学
IPC: G06F11/07 , G06F18/241 , G06F18/213 , G06F18/15 , G06N3/0455 , G06N3/0442 , G06N3/0475 , G06N3/094 , G06F123/02
Abstract: 本发明公开了一种基于VAE‑GRU和对抗训练的KPIs异常检测方法，包括：对KPIs时间序列数据进行归一化处理，利用滑动窗口将归一化后的KPIs时间序列数据转换为滑动窗口序列；基于使用GRU来捕获所述滑动窗口序列中复杂的时间相关性；基于对抗训练模型放大重构误差，得到更精确的滑动窗口序列的重构数据；根据滑动窗口序列的重构数据对测试数据及未知数据进行异常得分计算；根据每个KPIs维度的异常分数，计算KPIs数据各时间戳的异常阈值；根据每个KPIs维度的异常阈值，判断KPIs数据各时间戳是否异常。本发明能够在异常数据与正常数据比较接近时扩大重构误差，提升异常检测精确率。
-
公开(公告)号：CN111860445B
公开(公告)日：2024-02-02
申请号：CN202010763461.X
申请日：2020-07-31
Applicant: 大连海事大学
IPC: G06F18/22 , G06F18/213 , G06F18/23213
Abstract: 本发明提供一种动态手势识别方法，包括：定义手部关节并建立手势模型；采集标准手势的训练手势的各个关节弯曲度数据，建立每个训练手势对应的手势特征模型、标准手势的标准手势特征模型；计算标准手势特征模型的关节起始位置阈值及终止位置阈值、多个手势特征模型与对应的标准手势模型的最大相似累计距离；确定测试手势的各关节的起始位置和终止位置；计算测试手势特征模型与每个标准手势模型的平均相似累计距离、平均相似累计距离与标准手势模型的最大相似累计距离的比值。本发明通过双重K‑Means特征提取方法，使测试模型与标准手势特征模型长度相等，减少相似距离计算的复杂度；同时，计算各标准手势的最大相似累积距离，保证动态手势识别的准确率。
-
公开(公告)号：CN116882263A
公开(公告)日：2023-10-13
申请号：CN202310677000.4
申请日：2023-06-08
Applicant: 大连海事大学
Abstract: 本发明提供一种服务系统可靠性预测模型超参数调优方法，主要包括：基于父代超参数和变异算子生成子代参数；基于改进bootstrap方法进行超参数校验，在每轮校验中都加入自增长的随机种子；通过子代超参数与父代超参数进行对比，选择bootstrap校验指标高的一个成为下一次迭代的父代，并根据对比结果调整变异算子；当判断迭代次数超过最大阈值或者变异算子无限逼近0时完成调优，否则根据父代超参数和变异算子继续变异。本发明用进化策略算法取代传统的直接遍历法，利用进化策略算法迭代次数少、收敛速度快的特点，提高调参效率；然后改进校验方法，通过加入滑动随机种子保证了机器学习模型校验时样本数据分布的均匀性，有助于提高调参准确性。
-
公开(公告)号：CN113311843B
公开(公告)日：2023-06-23
申请号：CN202110649846.8
申请日：2021-06-10
Applicant: 大连海事大学
IPC: G05D1/02
Abstract: 本发明提供一种基于安全距离约束和LOS视线判断的无人船路径规划方法，包括：获取船舶航行环境信息，并将所述环境信息转化为实验环境数据；获取起点坐标和终点坐标，并基于LOS视线算法判断起点和终点间的连线是否穿过障碍物；选取移动消耗F值最小的节点n作为当前节点，并基于LOS视线算法判断当前节点n和终点间的连线是否穿过障碍物；获取当前节点n的相邻节点，对每个相邻节点使用安全距离探测算法以判断其在安全距离d范围内是否存在障碍物；重复执行上述步骤，直到某一节点n与终点间的连线不穿过障碍物时算法结束，将规划路径中得到的路径节点按先后顺序进行连线，形成最终规划路线。
-
公开(公告)号：CN103347309A
公开(公告)日：2013-10-09
申请号：CN201310228745.9
申请日：2013-06-08
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于无线传感器网络的船载危险品状态监测系统及方法，所述系统包括多个传感器节点、多个中继节点、基站、船载通信网关和岸上监测中心；所述传感器节点通过中继节点与基站相连接；所述基站通过船载通信网关连接岸上监测中心；所述传感器节点包括若干个用于采集危险品状态参数的传感器。本发明提高了危险品船舶运输的安全性，为船员的生命财产安全和环境安全提供保障，适合于船舶运输产业广泛推广。
-
Patent Agency Ranking
公开(公告)号：CN119941214A
公开(公告)日：2025-05-06
申请号：CN202510102605.X
申请日：2025-01-22
Applicant: 大连海事大学
IPC: G06Q10/1093 , G06Q50/20 , G06N3/006 , G06F17/18 , G06F17/16
Abstract: 本发明公开了一种基于改进的狮群优化算法的多目标智能排课方法，S1：获取排课信息数据；S2：基于学生和教师平均不均匀度以及所排教室平均空闲率建立多目标排课模型；S3：将排课信息数据输入所述多目标排课模型，并基于改进的狮群优化算法进行结果寻优，基于设定的寻优目标得到最优解，即为最后的排课结果；所述寻优目标为使学生和教师平均不均匀度以及所排教室平均空闲率最低。本发明构建了多目标排课模型，并引入改进的狮群优化算法，基于本方法实现了自动排课，且提高了排课效率和收敛速度，同时，能够灵活有效管理排课问题中的资源分配问题，实现了高效稳定的多目标自动排课。
-
公开(公告)号：CN118734132A
公开(公告)日：2024-10-01
申请号：CN202410859901.X
申请日：2024-06-28
Applicant: 大连海事大学
IPC: G06F18/24 , G06F18/214 , G06F18/21 , G06N3/08 , G06F18/2132 , G06F40/289 , G06N3/045 , G06N3/048 , G06N3/0442
Abstract: 本发明公开了一种基于深度学习的学位论文同行评阅意见分析方法，S1：获取学位论文同行评阅意见数据；S2：对数据进行预处理；S3：将处理后的数据归纳为若干个方面项，并设定情感倾向值，得到标注后的学位论文同行评阅意见数据；S5：构建学位论文同行评阅意见特征提取模型，对学位论文同行评阅意见特征提取模型进行训练，获得训练后的学位论文同行评阅意见特征提取模型；S6：将待预测的学位论文同行评阅意见输入训练后的模型，得到各方面项所对应的情感倾向值。本发明通过构建学位论文同行评阅意见特征提取模型，最终分析出学位论文评阅意见在若干个方面项所对应的情感倾向值，减少了人工分析的过程，节省了时间，提高了工作效率，同时能够提取并融合输入数据的全局特征与局部特征，保证分类特征充足，从而提高了情感倾向值预测的准确性。
-
公开(公告)号：CN118312393A
公开(公告)日：2024-07-09
申请号：CN202410123465.X
申请日：2024-01-29
Applicant: 大连海事大学
IPC: G06F11/34 , G06N3/0442 , G06N3/0455 , G06N3/096 , G06N3/084
Abstract: 本发明提供了一种基于注意力域适应迁移学习的日志序列异常检测方法，包括如下步骤：S1、采用BERT获得日志模板的语义向量；S2、采用Normalizing Flow对日志模板的语义向量进行向量优化；S3、利用GRU提取S2优化后的日志模板的向量；S4、基于S3获取的日志模板的向量，使用GRU网络训练源域日志序列异常检测模型；S5、判断源域日志序列是否全部训练；S6、判断模型训练结果是否满足预期；S7、计算源域和目标域日志数据的域差异；S8、基于域差异，使用源域日志序列最佳异常检测模型对目标域日志数据进行迁移学习训练；S9、判断目标域日志序列迁移学习是否达预期。本发明可以准确地捕获日志数据集的语义特征信息，实现在无标签日志数据集上获得高准确率的检测结果。
-
公开(公告)号：CN118260622A
公开(公告)日：2024-06-28
申请号：CN202410367971.3
申请日：2024-03-28
Applicant: 大连海事大学
IPC: G06F18/23213 , G06F18/214
Abstract: 本发明公开了一种基于拆分子链的微服务调用链聚类方法，包括：获取调用链数据集，提取每条调用链的服务调用关系，并拆分成顺序子链；将每条子链调用的服务实例标识按调用顺序拼接成符号串，将所有子链的符号串作为聚类数据集；采用canopy算法对子链数据集进行粗聚类，设定canopy聚类先验值；在余下子链中随机选取一条子链，基于余弦相似度计算子链和聚类中心列表List中所有子链的相似度；计算子链间的距离并进行类别划分；重复执行canopy聚类步骤直到数据集中剩余的子链类别不再发生改变或者数据集为空；基于canopy粗聚类结果进行k‑means精确聚类。本发明解决了微服务应用系统中由于微服务调用链数据量大且调用关系复杂导致调用链异常检测难度大且准确性低的问题。
-
公开(公告)号：CN118012727A
公开(公告)日：2024-05-10
申请号：CN202410121400.1
申请日：2024-01-29
Applicant: 大连海事大学
IPC: G06F11/34 , G06N3/042 , G06N3/045 , G06F40/186 , G06N3/08 , G06F40/30 , G06F18/241
Abstract: 本发明提供了一种基于异构图注意力神经网络的日志序列异常检测方法，包括如下步骤：S1、将无结构的日志消息解析为结构化的日志模板和组件；S2、根据日志数据集的特点，按照其会话id或滑动窗口划分日志模板序列；S3、将日志模板序列中的日志模板输入到BERT模型，提取日志模板向量；S4、根据日志模板向量与组件序列构造日志序列异构图；S5、将日志序列异构图输入到异构图注意力网络中提取日志序列特征；S6、将日志序列特征向量输入包含Softmax的MLP网络进行分类。本发明提出了一种基于日志模板和组件的异构图建模方法，准确地表示日志序列中不同事件间的交互，并利用图注意力网络获取日志序列异构图的特征，提高了异常检测准确率。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.023 seconds)
