-
公开(公告)号：CN114548646B
公开(公告)日：2024-11-26
申请号：CN202111532410.7
申请日：2021-12-15
Applicant: 中南大学
IPC: G06Q10/0635 , G06Q50/22 , G06F16/2458
Abstract: 本发明公开了一种基于关联规则的疫情风险因子识别方法，包括步骤：从官方数据源中提取数据；对提取的数据中的非离散型数据进行数据形式变换；对数据形式变换后的数据进行数据挖掘，生成关联规则，并识别出风险因子；先对关联规则进行分析排序，然后对风险因子进行分析，得出风险因子的风险程度；还公开了一种基于关联规则的疫情风险因子识别系统，该系统包括数据提取模块、数据处理模块、数据挖掘模块和综合分析模块；该方法通过对疫情相关数据进行特征分级与标签化，实现了疫情相关数据形式的转换，提高了数据的鲁棒性和延展性，从而可以利用关联规则对大规模、多维度的数据进行数据挖掘和分析，不再受限于数据的规模和维度。
-
公开(公告)号：CN118378722B
公开(公告)日：2024-09-24
申请号：CN202410807736.3
申请日：2024-06-21
Applicant: 中南大学
IPC: G06N20/00 , G06F18/213 , G06F18/23
Abstract: 本发明涉及联邦学习技术领域，具体公开了一种面向数据多元异质场景下的聚类联邦学习方法，首次将向量量化变分自编码器融入联邦学习框架中，以向量量化变分自编码器有效学习并映射本地数据分布至离散特征空间，通过利用此离散空间变量的相似度执行客户端聚类，既保护了本地数据隐私，又有效地压缩了特征表示，同时引用特征锚点进行不同客户端特征字典中的特征对齐，保证了不同客户端特征字典的同一个位置在同一特征空间，进而确保了跨客户端聚合的一致性，解决了传统的面向数据多元异质场景下的联邦学习，因数据的异质性因素会削弱模型在整体数据集上的泛化能力，增加模型对特定客户过拟合风险以及存在任务不平衡的问题。
-
公开(公告)号：CN118245951A
公开(公告)日：2024-06-25
申请号：CN202410620917.5
申请日：2024-05-20
Applicant: 中南大学
IPC: G06F18/2433 , G06Q40/04
Abstract: 本申请适用于异常识别技术领域，提供了一种元宇宙系统的异常事件识别方法、装置、设备及介质，该方法包括：对用户账号的交易频率、交易金额、交易对象数量进行监测，确定出第一异常用户账号；获取与第一异常用户账号进行交易的目标用户账号，确定出第二异常用户账号；获取第一异常用户账号的交易日志以及第二异常用户账号的交易日志；对弱绑定代币的代币流通信息进行监测得到多个代币监测值；对价格锚定物的物品流通信息进行监测得到多个锚定物监测值；基于交易日志、代币监测值和锚定物监测值判断元宇宙系统在当前时间段是否存在异常事件。本申请的方法能够降低元宇宙系统的管理难度，进而保证元宇宙系统的秩序平衡，提高用户体验。
-
公开(公告)号：CN116306323B
公开(公告)日：2023-08-08
申请号：CN202310566397.X
申请日：2023-05-19
Applicant: 中南大学
Abstract: 本申请适用于联邦学习和数字孪生技术领域，提供了一种数字孪生模型的确定方法、装置、终端设备及介质，通过构建初始数字孪生模型，并初始化模型参数，得到初始数字孪生模型参数；针对每个工业设备，根据初始数字孪生模型参数，构建初始本地模型，并对初始本地模型进行训练，得到最终本地模型；根据最终本地模型的模型参数，得到每个工业设备的全局得分，并根据全局得分，确定联邦工业设备；对所有联邦工业设备的最终本地模型的模型参数进行聚合，得到初始全局模型；基于强化学习，对初始全局模型中的网络结构进行更新，得到最终全局模型；基于联邦学习，得到目标任务对应的最终数字孪生模型。本申请能提高数字孪生模型的准确性。
-
公开(公告)号：CN114548646A
公开(公告)日：2022-05-27
申请号：CN202111532410.7
申请日：2021-12-15
Applicant: 中南大学
IPC: G06Q10/06 , G06Q50/22 , G06F16/2458
Abstract: 本发明公开了一种基于关联规则的疫情风险因子识别方法，包括步骤：从官方数据源中提取数据；对提取的数据中的非离散型数据进行数据形式变换；对数据形式变换后的数据进行数据挖掘，生成关联规则，并识别出风险因子；先对关联规则进行分析排序，然后对风险因子进行分析，得出风险因子的风险程度；还公开了一种基于关联规则的疫情风险因子识别系统，该系统包括数据提取模块、数据处理模块、数据挖掘模块和综合分析模块；该方法通过对疫情相关数据进行特征分级与标签化，实现了疫情相关数据形式的转换，提高了数据的鲁棒性和延展性，从而可以利用关联规则对大规模、多维度的数据进行数据挖掘和分析，不再受限于数据的规模和维度。
-
Patent Agency Ranking
公开(公告)号：CN118245951B
公开(公告)日：2024-08-13
申请号：CN202410620917.5
申请日：2024-05-20
Applicant: 中南大学
IPC: G06F18/2433 , G06Q40/04
Abstract: 本申请适用于异常识别技术领域，提供了一种元宇宙系统的异常事件识别方法、装置、设备及介质，该方法包括：对用户账号的交易频率、交易金额、交易对象数量进行监测，确定出第一异常用户账号；获取与第一异常用户账号进行交易的目标用户账号，确定出第二异常用户账号；获取第一异常用户账号的交易日志以及第二异常用户账号的交易日志；对弱绑定代币的代币流通信息进行监测得到多个代币监测值；对价格锚定物的物品流通信息进行监测得到多个锚定物监测值；基于交易日志、代币监测值和锚定物监测值判断元宇宙系统在当前时间段是否存在异常事件。本申请的方法能够降低元宇宙系统的管理难度，进而保证元宇宙系统的秩序平衡，提高用户体验。
-
公开(公告)号：CN116306323A
公开(公告)日：2023-06-23
申请号：CN202310566397.X
申请日：2023-05-19
Applicant: 中南大学
Abstract: 本申请适用于联邦学习和数字孪生技术领域，提供了一种数字孪生模型的确定方法、装置、终端设备及介质，通过构建初始数字孪生模型，并初始化模型参数，得到初始数字孪生模型参数；针对每个工业设备，根据初始数字孪生模型参数，构建初始本地模型，并对初始本地模型进行训练，得到最终本地模型；根据最终本地模型的模型参数，得到每个工业设备的全局得分，并根据全局得分，确定联邦工业设备；对所有联邦工业设备的最终本地模型的模型参数进行聚合，得到初始全局模型；基于强化学习，对初始全局模型中的网络结构进行更新，得到最终全局模型；基于联邦学习，得到目标任务对应的最终数字孪生模型。本申请能提高数字孪生模型的准确性。
-
公开(公告)号：CN116258420A
公开(公告)日：2023-06-13
申请号：CN202310526625.0
申请日：2023-05-11
Applicant: 中南大学
IPC: G06Q10/0639 , G06N20/20
Abstract: 本申请适用于联邦学习及数字孪生技术领域，提供了一种产品质量检测方法、装置、终端设备及介质。包括采集目标产品的工序组成数据；计算每个边缘节点的权重；根据所有边缘节点的权重，得到最大设备连接数，并对所有边缘节点进行分组，得到多个边缘节点分组；根据每个边缘节点的可靠性和边缘节点的权重，确定边缘节点分组的领导者节点，并通过领导者节点，将设备信息和产品信息存储到区块链；每个工业设备的学习质量确定联邦学习设备，并根据设备信息和产品信息，进行本地模型训练，得到本地数字孪生模型；计算本地数字孪生模型的全局残差，得到全局数字孪生模型；利用全局数字孪生模型进行质量检测。本申请能提高产品质量检测的准确性。
-
公开(公告)号：CN119557768A
公开(公告)日：2025-03-04
申请号：CN202510120515.3
申请日：2025-01-25
Applicant: 中南大学
IPC: G06F18/2415 , G06Q10/0635 , G06Q50/06 , G06F18/214
Abstract: 本发明涉及电力系统故障风险诊断技术领域，具体公开了一种电力系统故障风险诊断方法及系统，通过搭建电力系统故障风险诊断系统，基于电力系统故障风险诊断系统实施电力系统故障风险诊断方法，在本方法中，建立基于时间变化的时空动态模型，以实时获取各个节点状态和各个线路状态作为输入，通过时空动态模型实现对其下一时刻状态的预测，进而对系统故障进行多维度分析，最后由智能决策与反馈调整单元来进行对电力系统故障风险概率的计算，并进行判别、精确对比划分故障等级，解决了传统的风险诊断模型，存在缺乏对不同灾害情境的通用数学建模，难以全面反映灾害对电力系统的多重影响的问题。
-
公开(公告)号：CN113836308B
公开(公告)日：2022-02-18
申请号：CN202111417986.9
申请日：2021-11-26
Applicant: 中南大学
IPC: G06F16/35 , G06F40/289 , G06N3/04
Abstract: 本公开实施例中提供了一种网络大数据长文本多标签分类方法、系统、设备及介质，属于数据处理技术领域，具体包括：获取原始数据集；对原始数据集进行分析构建每个标签对应的关键词表后进行预处理，得到文本数据；将文本数据转换为字向量和词向量，并计算文本数据内不同词对应的位置向量；得到嵌入向量；将嵌入向量输入空洞门卷积层进行编码，得到编码向量；根据自注意力机制模型提取编码向量的特征，得到文本数据中每个词的关联性，并形成分类结果。通过本公开的方案，通过构建关键词表将多标签长文本分割，并将文本数据转换为不同向量后进行编码，再利用自注意力机制提取特征得到每个词的关联性，形成分类结果，提高了分类效率和精准度。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.029 seconds)
