公开(公告)号：CN114520838A

公开(公告)日：2022-05-20

申请号：CN202210029243.2

申请日：2022-01-11

申请人： 北京交通大学

发明人： 韩升 ,  林友芳 ,  万怀宇 ,  王晶 ,  董兴业 ,  武志昊 ,  吕凯 ,  张硕 ,  曹端鑫

IPC分类号： H04L69/22 ,  H04L69/18 ,  H04L69/329 ,  G06K9/62

摘要： 本发明提供了一种基于K近邻的自定义协议应用层的网络报文匹配方法，属于数据传输领域。所述方法包括：根据历史网络报文构建协议类型存储结构并按时间戳进行顺序编号，获得每种协议类型的结构特征值与取值数组，再基于K近邻模型获取K个近邻的预测协议，以及特征值并输入到线性回归方程，获取待匹配协议与K个预测协议的相似权重并排序，再获取待匹配报文的源IP和目的IP并查询对应的协议种类，与预测协议组成U；将待匹配网络报文与U中的协议，逐一进行匹配，匹配成功时，传输数据并返回协议类型；匹配失败时，则轮询匹配U之外的本地协议，直到匹配正确。本发明在保证传输可靠性、安全性的同时，提高了数据传输效率。

公开(公告)号：CN111562996B

公开(公告)日：2021-11-23

申请号：CN202010282009.1

申请日：2020-04-11

申请人： 北京交通大学

发明人： 王晶 ,  林友芳 ,  万怀宇 ,  武志昊 ,  韩升 ,  董兴业 ,  张硕

IPC分类号： G06F11/07

摘要： 本发明提供了一种关键性能指标数据的时序异常检测方法，用以解决现有技术中时序数据异常检测效率低、准确率低的问题。所述时序异常检测方法，先对采集的时序数据中缺失值及异常值进行修正，再提取特征对数据进行拼接，将拼接数据划分为训练集和测试集，在优化目标函数的基础上训练得到异常检测模型，再进行测试及评估得到评估标准，以所述评估标准和异常检测模型，对待检测数据进行时间序列异常检测。本发明对具有周期性的不同时间序列数据的异常检测，从时间序列数据中提取不同维度的特征以保证考虑到数据在不同维度上的相关性都能被模型学习到，减少了异常标注带来的成本，同时适用于正负样本极不均匀的场景，提高了检测效率。

公开(公告)号：CN111563374A

公开(公告)日：2020-08-21

申请号：CN202010205874.6

申请日：2020-03-23

申请人： 北京交通大学

发明人： 万怀宇 ,  林友芳 ,  武志昊 ,  韩升 ,  王晶 ,  张硕

IPC分类号： G06F40/284 ,  G06F16/31 ,  G06F16/33 ,  G06F16/35 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/00 ,  G06Q50/18

摘要： 本发明提供了一种基于司法裁判文书的人员社交关系抽取方法，用以解决司法裁判文书中人员社交关系数据处理的问题。所述基于司法裁判文书的人员社交关系抽取方法，对裁判文书进行数据清洗、中文分词以及去停用词，构建基于预训练语言模型的词向量学习模型，再分别结合相关实体关联关系和实体属性的抽取裁判文书特征并进行融合，构建关系抽取模型，抽取裁判文书中相关人员的社交关系。本发明充分挖掘裁判文书数据中的实体关联关系以及司法实体的背景信息，支持司法工作人员理清裁判文书中人员之间的社交关系，挖掘涉案人员潜在的社交关系，有助于法务工作者进行案件相关人员的社交关系发现，减少了人工调查的成本。

公开(公告)号：CN110288121A

公开(公告)日：2019-09-27

申请号：CN201910407946.2

申请日：2019-05-16

申请人： 北京交通大学

发明人： 武志昊 ,  林友芳 ,  韩升 ,  万怀宇 ,  王晶 ,  董兴业 ,  张硕

IPC分类号： G06Q10/04 ,  G06Q10/06 ,  G06Q50/30 ,  G06N3/04 ,  G06N3/08

摘要： 本发明提供了一种基于多粒度时间注意力机制的航班客座率预测方法。该方法包括：构建基于多粒度时间注意力机制的循环神经网络模型，将航线上所有起飞时刻的航班历史客座率时间序列作为所述编码器的输入序列，编码器对输入序列进行编码处理，解码器对编码器输出的编码信息进行解码处理，得到目标航班的航班客座率时间序列。本发明通过起飞时刻注意力机制捕获目标航班所在航线中不同起飞时刻航班客座率的时序依赖性及其它起飞时刻航班客座率对目标航班客座率的影响，同时采用起飞日注意力机制捕获目标航班的自身客座率序列的趋势性及周期性；结合考虑航班自身属性及节假日等外部因素的影响，最终使得本模型在航班客座率预测问题上取得了很好的效果。

公开(公告)号：CN112215879B

公开(公告)日：2024-06-21

申请号：CN202011021999.X

申请日：2020-09-25

申请人： 北京交通大学

发明人： 张硕 ,  林友芳 ,  王炜堃 ,  韩升 ,  万怀宇 ,  武志昊 ,  王晶 ,  董兴业

IPC分类号： G06T7/50 ,  G06T7/90 ,  G06V10/764 ,  G06T5/40 ,  G06T5/50

摘要： 本发明提供了一种光场极平面图像的深度提取方法，用以解决现有技术中光场极平面图像深度提取不精确的问题。所述深度提取方法，在获取光场图像水平、垂直两个方向的极平面图像的基础上，构建图像的直方图，并对直方图进行以桶内像素数量为基准的均衡化及高斯模糊，并构建每一个中心视角像素点下的平行四边形算子设置距离权重和颜色权重，再对直方图和距离权重、颜色权重进行融合，计算左右直方图的距离，选择最大的左右直方图距离对应的深度，作为估计深度。本发明仅通过一张基础的光场图像，恢复出较为平滑、精确的深度图像，获取深度的算法具有较好的鲁棒性，对于弱纹理、噪声、遮挡都有着一定的适应性，提高了建图精度。

公开(公告)号：CN117770779A

公开(公告)日：2024-03-29

申请号：CN202410144029.0

申请日：2024-02-01

申请人： 北京交通大学

发明人： 王晶 ,  靳希源 ,  林友芳 ,  岳景杭 ,  韩升 ,  万怀宇 ,  张硕 ,  武志昊

IPC分类号： A61B5/0205 ,  G06F18/2131 ,  G06F18/24 ,  G06N3/0464 ,  G06N3/09 ,  A61B5/18 ,  A61B5/145 ,  A61B5/0533

摘要： 一种飞行员抗应激能力精准评估方法，属于心理抗应激状态评估及计算机程序技术领域。包含数据采集步骤、数据预处理步骤、应激应对能力建模步骤、模型训练步骤以及模型评估步骤。相较于仅提供单次飞行任务下受试者状态定性评估的现有方法，本发明结合了多角度静态量表调查和动态生理信号的个性特征采集的方法，建立了个体间共性特征提取方案，同时基于时间动态感知实现抗应激能力定量评价，完成了受试者个体抗应激能力到时间细粒度级能力评分的关系映射，能够实现在给定任务下受试者抗应激能力的动态精准评估，进而为专家和教练员实现个性化训练和任务执行人员选择提供有效途径。

公开(公告)号：CN116663712A

公开(公告)日：2023-08-29

申请号：CN202310515768.1

申请日：2023-05-09

申请人： 北京交通大学

发明人： 韩升 ,  王晶 ,  林友芳 ,  吕凯 ,  董兴业 ,  张硕

IPC分类号： G06Q10/04 ,  G06Q10/109 ,  G06N3/0442 ,  G06N3/084

摘要： 一种航母舰载机起飞的保障作业完成时间预测方法，属于计算机程序及流程剩余时间预测技术领域。采集JZJ出动的样本数据，包括所有起飞历史数据的日志，将样本数据进行预处理，作为训练模型时的输入数据。使用加入双层注意力机制的双向长短期记忆网络模型进行训练，生成预测模型。针对某时刻的待预测JZJ时空场景，建立状态映射。将处理好的数据作为预测模型的输入数据，进行预测后得到预测结果。

公开(公告)号：CN114160000B

公开(公告)日：2022-10-11

申请号：CN202111586397.3

申请日：2021-12-20

申请人： 北京交通大学

发明人： 李锐明 ,  张硕 ,  时逢君 ,  张宪宏 ,  姚燕安

IPC分类号： B01F27/112 ,  B01F27/90

摘要： 本发明公开了一种空间翻涌搅拌装置，包括：第一从动扇叶，第三从动扇叶，第五从动扇叶，第二主动扇叶，第四主动扇叶，第六主动扇叶，正端盖和反端盖，正轴承和反轴承，电动机，连接轴，顶丝；第一从动扇叶，第二主动扇叶，第三从动扇叶，第四主动扇叶，第五从动扇叶，第六主动扇依次连接形成闭环，通过第二主动扇叶，第四主动扇叶，第六主动扇叶驱动第一从动扇叶，第三从动扇叶，第五从动扇叶转动，实现整个装置的内部扇面翻向外部，外部扇面翻向内部，进而带动内外物质进行翻涌运动，实现搅拌功能。

公开(公告)号：CN111166294B

公开(公告)日：2021-09-14

申请号：CN202010077427.7

申请日：2020-01-29

申请人： 北京交通大学

发明人： 王晶 ,  林友芳 ,  韩升 ,  万怀宇 ,  武志昊 ,  董兴业 ,  张硕

IPC分类号： A61B5/00 ,  A61B5/0205 ,  A61B5/346 ,  A61B5/352

摘要： 本发明提供了一种基于心跳间期的睡眠呼吸暂停自动检测方法和装置，用于解决现有技术中睡眠呼吸暂停检测不准确、精度不高的问题。所述睡眠呼吸暂停自动检测方法首先采集睡眠时的心跳间期信息，再通过残差神经网络对所述心跳间期信息自动提取特征，并进一步提取心率变异性特征，再将所述自动提取特征和心率变异性特征集合进行融合，从而判断是否出现呼吸暂停。本发明通过提取心电图ECG信号中的心跳间期特征，并将此特征在残差神经网络中进行深入分析，结合了心率变异性特征，且所述残差神经网络中的所有权重都可以在临床上进行微调，提高了提高了睡眠检测的灵性性、准确性和精确性；同时只需要单导心电信息，采集过程简单便捷，具有相当的普适性。

公开(公告)号：CN112529305B

公开(公告)日：2024-08-02

申请号：CN202011485308.1

申请日：2020-12-16

申请人： 北京交通大学

发明人： 万怀宇 ,  温浩珉 ,  林友芳 ,  韩升 ,  武志昊 ,  张硕 ,  王晶

IPC分类号： G06Q10/04 ,  G06Q10/083 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/08

摘要： 本发明提供了一种基于深度学习的快递员揽件顺序预测方法，属于物流优化领域。所述揽件顺序预测方法包括：采集历史揽件数据，提取待揽收包裹的特征和快递员个人揽件特征作为原始数据集，并划分为训练集、验证集和测试集；基于深度学习算法构建快递员揽件顺序预测模型，使用所述训练集和验证集对所述快递员揽件顺序预测模型进行训练，并使用测试集对训练完成的模型进行测试；测试达标时，通过快递员揽件顺序预测模型，输入当前快递员信息，对该快递员的待揽收包裹的揽件顺序进行预测，输出所预测的当前待预测快递员在预定时间段内的揽件顺序。本发明优化了物流调度，提高了预测揽件到达时间的准确性，提高了揽收效率，降低了逾期率。