-
公开(公告)号：CN112906941B
公开(公告)日：2022-12-06
申请号：CN202110083073.1
申请日：2021-01-21
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种面向动态相关空气质量时间序列的预测方法及系统，其中，该方法包括：获取网格气象数据，利用图像卷积法对其进行处理得到污染物时间序列；采用多特征聚类法根据上述数据的不同特征与多种空气污染物之间的相关性对特征分组；根据ARIMA模型对污染物时间序列进行拟合，获得残差序列和一部分预测值，并将其放入特征组中，根据不同特征组的数据是否为序列形式将其输入到不同的编码器中，然后将结果融合后输入解码器中进行预测得到另一部分预测值；利用CNN对历史空气质量数据进行卷积得到空气质量时间序列，并使用ARIMA模型处理得到第三部分预测值，通过softmax函数将上述三部分预测值加权求和，得到最终预测结果。
-
公开(公告)号：CN114565429A
公开(公告)日：2022-05-31
申请号：CN202210163386.2
申请日：2022-02-22
Applicant: 哈尔滨工程大学
Abstract: 本发明提出了一种基于语义图模型的智能供应商匹配方法，输入供应商和需求的结构化数据；构建供需描述模型，将供应商和需求的结构化数据转为图结构；根据节点类型的不同，计算需求与每个供应商同类型节点间相似度；结合极大熵原理，建立权重优化模型，对模型求解得到指标权重；依据指标权重，给节点和边分配权重；调用图匹配算法，计算图匹配度，通过入口节点的选取降低时间复杂度，然后过滤低于阈值的供应商，得到针对该需求的供应商排序集合；本发明可以让用户只需要输入计划采购的产品需求和企业要求，既能得到相匹配的供应商集合，匹配概念相似的产品，同时应用于在供应商集中寻找符合需求的实例，以及在需求集中寻找最符合供应的需求。
-
公开(公告)号：CN112232925A
公开(公告)日：2021-01-15
申请号：CN202011203823.6
申请日：2020-11-02
Applicant: 哈尔滨工程大学
Abstract: 本发明是一种融合知识图谱对商品进行个性化推荐的方法。本发明涉及商品进行个性化推荐的机器学习技术领域，包括：获得用户历史行为数据，生成商品知识图；融合用户历史行为数据与商品知识图，构建协同知识图；采用机器学习中表示学习方法，获得协同知识图中节点和关系的向量嵌入表示；将协同知识图中节点和关系的向量嵌入与用户历史行为数据输入基于注意力机制的图卷积神经网络模型中，形成含有邻域信息的新节点和关系的向量嵌入表示；定义得分函数，通过图卷积神经网络模型输出的融合邻域信息的用户、商品向量嵌入表示，计算用户喜欢商品的概率，根据预测结果，排序获得推荐列表。
-
公开(公告)号：CN110602145A
公开(公告)日：2019-12-20
申请号：CN201910940865.9
申请日：2019-09-30
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于位置服务的轨迹隐私保护方法。步骤1：根据用户的真实位置location生成模糊区域BA；步骤2：用模糊区域BA替代用户真实位置location，从多个匿名器中随机选择一个匿名服务器，向其发送查询请求(id，BA，t，query，k)；步骤3：匿名服务器收到步骤2发送的请求信息后，在模糊区域BA内根据路网选择一个位置点Li；步骤4：匿名服务器根据步骤3中产生的Li生成匿名查询请求；步骤5：向位置服务提供商发送匿名查询请求。本发明基于多匿名器系统结构隐私保护模型进行实时轨迹隐私保护方法的研究，提出将位置模糊和K-匿名相结合的方法，以达到增强轨迹隐私保护同时保证数据可用性的目的。
-
公开(公告)号：CN110472104A
公开(公告)日：2019-11-19
申请号：CN201910659963.5
申请日：2019-07-22
Applicant: 哈尔滨工程大学
IPC: G06F16/901 , G06F16/903 , G06F16/906 , G06Q50/00
Abstract: 本发明属于社交网络分析技术领域，具体涉及一种动态社交网络节点离开行为预测方法。本发明在全局层面利用有影响力的节点对其他的影响来定义节点在全局上的活跃度，利用k-core分解有效地识别具有影响力的节点，并且可以保证这些点在自身邻域保持较好的聚集程度；在局部层面结合节点邻域的拓扑结构和节点自身属性(主要使用时间戳)定义节点在自身邻域上的活跃度，综合分析节点全局和局部的活跃度进行排序，达到预测节点离开行为的目的。
-
Patent Agency Ranking
公开(公告)号：CN105405125B
公开(公告)日：2018-05-18
申请号：CN201510706021.X
申请日：2015-10-27
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种自适应阶梯初始化的窄带Chan‑Vese模型水下多目标分割方法，包括以下步骤，步骤一：声纳图像平滑去噪处理后，根据块方式的k‑均值聚类算法完成初始分割，初步判断水下目标的位置；步骤二：确定阶梯区域，确定自适应阶梯初始化零水平集函数；步骤三：利用Chan‑Vese模型窄带水平集进行声纳图像分割，完成水下多目标区域的两类和三类分割；步骤四：对分割结果进行基于Chan‑Vese模型的客观定量分析。本发明采用Chan‑Vese模型窄带水平集进行声纳图像分割，能完成局部寻优，避免已有水平集方法的全局搜索，使分割结果中噪声的影响降到最小，能进一步提高分割精度和速度。
-
公开(公告)号：CN103077366B
公开(公告)日：2015-05-27
申请号：CN201310020290.1
申请日：2013-01-19
Applicant: 哈尔滨工程大学
IPC: G06K7/00
Abstract: 本发明提供的是一种多通道数据接口射频识别装置及数据传输方法。包括射频模块、采集模块和电源。射频模块包含天线、射频前端、微控制器A、存储A和时钟A，采集模块包含存储B、微控制器B、时钟B、模数转换、模拟接口和数字接口。数据传输方法包括射频模块初始化，在定时发送周期内，读取指定通道数据，加载标签数据包并发送数据，若需要应答则等待接收应答数据，若接收到应答数据，判断是否有未发送数据与是否有时间重发，条件满足则发送暂存数据并重复执行相关程序；方法中还包括采集模块初始化，读取指定通道数据，暂存通道数据及重复执行。本发明有效解决了利用RFID对多个通道数据的采集与实时传输问题。
-
公开(公告)号：CN103024858A
公开(公告)日：2013-04-03
申请号：CN201310010943.8
申请日：2013-01-11
Applicant: 哈尔滨工程大学
IPC: H04W40/10
CPC classification number: Y02D70/00
Abstract: 本发明提供的是一种针对无线传感器网络的低功耗定向广播方法。包括如下步骤：第一步：初始化网络拓扑；第二步：划分扇形区域；第三步：确定传感半径；第四步：定向广播；第五步：路由发现。本发明将原有的路由协议中AODV查找路由的方式加入定向广播的思想，只针对部分在所规定扇形区域的节点的广播，对不在定向广播扇形的节点进行丢包处理，因此丢包处理的传感器节点的能量就可以存储，以待下次应用，通过仿真实验分析DB_AODV协议可以提高无线传感器网络的很多网络性能。
-
公开(公告)号：CN102684836A
公开(公告)日：2012-09-19
申请号：CN201210150038.8
申请日：2012-05-15
Applicant: 哈尔滨工程大学
IPC: H04L1/00
Abstract: 本发明提供的是一种基于网络编码的网络编码修复方法，其步骤是：第一步，解码失效节点向邻居节点请求重传所缺失的原始数据包；第二步，当邻居节点在接收到重传请求后根据自身缓冲队列中的原始数据包集合，发送自己的节点基本信息NFI给请求节点；第三步，解码节点在接收到邻居节点的NFI信息后通过CBCR算法计算得出所需的重传数据包集合并形成RACK请求包发送给邻居节点；第四步，邻居节点在接收到来自解码节点的RACK包后，根据RACK中的请求内容重传解码节点所需的数据包。本发明所提出的网络编码修复方法降低编码修复过程中的数据包重传的次数，提高了网络编码应用的有效性和可靠性。
-
公开(公告)号：CN114841400B
公开(公告)日：2024-10-29
申请号：CN202210299336.7
申请日：2022-03-25
Applicant: 哈尔滨工程大学 , 北京电子工程总体研究所
IPC: G06Q10/04 , G06N3/0464 , G06N3/08 , G06Q50/26
Abstract: 本发明提出基于多任务时空图卷积的空气质量预测方法。本发明所述方法使用记忆网络、注意力机制，多层图卷积网络等技术构建基于多任务的深度时空序列数据预测模型，利用单一站点的本地属性和整体站点的全局属性，动态的构建站点间的邻接关系图；利用多层图卷积分别聚合单一站点的时序关系以及邻居站点的空间关系；利用多任务协同训练策略既考虑细粒度站点级别的预测任务，也充分考虑了粗粒度城市级别的预测任务，大大提高了时空序列数据预测效果。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.027 seconds)
