-
公开(公告)号：CN113313232B
公开(公告)日：2023-02-14
申请号：CN202110545947.0
申请日：2021-05-19
申请人： 华南理工大学
摘要： 本发明公开了一种基于预训练和图神经网络的功能脑网络分类方法，包括步骤：1)获取fMRI数据，并进行预处理；2)对fMRI数据进行大脑区域划分并提取特征，以图的形式构建功能脑网络；3)将无标签的的功能脑网络输入节点编码层训练；4)通过节点信息聚合网络训练；5)将步骤3)和4)的输出通过边关系预测网络训练；6)将带标签的功能脑网络数据输入步骤3)训练后的节点编码层训练；7)在步骤4)训练后的节点信息聚合网络中进行训练；8)通过功能脑网络分类模型，进行训练和分类。本发明利用大量无标签脑网络数据，通过对图神经网络的预训练，使完成预训练的网络只需在少量标签数据上训练即可适应下游的功能脑网络分类任务。
-
公开(公告)号：CN110222723A
公开(公告)日：2019-09-10
申请号：CN201910397057.2
申请日：2019-05-14
申请人： 华南理工大学
摘要： 本发明公开了一种基于混合模型的足球比赛首发预测方法，包括步骤：收集球员比赛数据，对数据进行预处理；构建球员各项比赛数据的统计特征；分别构建并训练逻辑回归模型、Xgboost模型、朴素贝叶斯模型，输入球队内所有球员的比赛数据，得到每个球员未来一场比赛首发上场的概率；对所述三个模型赋予不同权重，根据三种模型得到的概率，采用加权投票法对球员获得首发上场的情况进行投票，取得票最多的前11个球员，为最终预测未来一场比赛首发上场的球员。本发明采用机器学习中的混合模型，可以全面而有效地通过球员的历史比赛数据对其未来首发上场情况做出预测，能够很好地帮助教练和球队进行分析和备战。
-
公开(公告)号：CN116451147A
公开(公告)日：2023-07-18
申请号：CN202310257770.3
申请日：2023-03-16
申请人： 华南理工大学
IPC分类号： G06F18/2415 , G06F18/213 , G06F18/25 , G06F16/901 , G06F16/906 , G06N3/0464 , G06N3/0499 , G06F123/02
摘要： 本发明公开了一种基于历史信息继承的动态网络分类方法，使用历史信息继承机制在对动态网络的图结构信息提取中利用了来自此前时间点的图结构信息来抽取当前时间点的图结构信息，很好地缓解了动态网络跨度较长时模型无法捕捉长距离依赖信息的问题，并且能够通过此前时间点的图结构信息使得提取后续时间点的图结构信息时更具针对性，提高了模型对于各种各样动态网络数据的分类鲁棒性和泛化性的同时，实现了更好的分类效果，具有实际推广价值，值得推广。
-
公开(公告)号：CN110222723B
公开(公告)日：2021-07-20
申请号：CN201910397057.2
申请日：2019-05-14
申请人： 华南理工大学
摘要： 本发明公开了一种基于混合模型的足球比赛首发预测方法，包括步骤：收集球员比赛数据，对数据进行预处理；构建球员各项比赛数据的统计特征；分别构建并训练逻辑回归模型、Xgboost模型、朴素贝叶斯模型，输入球队内所有球员的比赛数据，得到每个球员未来一场比赛首发上场的概率；对所述三个模型赋予不同权重，根据三种模型得到的概率，采用加权投票法对球员获得首发上场的情况进行投票，取得票最多的前11个球员，为最终预测未来一场比赛首发上场的球员。本发明采用机器学习中的混合模型，可以全面而有效地通过球员的历史比赛数据对其未来首发上场情况做出预测，能够很好地帮助教练和球队进行分析和备战。
-
公开(公告)号：CN110189167A
公开(公告)日：2019-08-30
申请号：CN201910417284.7
申请日：2019-05-20
申请人： 华南理工大学
IPC分类号： G06Q30/02
摘要： 本发明公开了一种基于异构图嵌入的移动广告欺诈检测方法，包括步骤：1)获取移动广告日志数据并对数据进行预处理；2)提取用户、应用和广告三者关联关系数据，构建有权异构图；3)定义元路径，设定每个节点的游走次数和最长步长，遍历有权异构图节点，构建节点元路径随机游走序列；4)使用语言模型，构建有权异构图中节点的低维空间稠密向量表示；5)定义标签，构成被试数据；6)构建移动广告欺诈检测模型；7)将训练部分的移动应用被试数据输入至移动广告欺诈检测模型训练，得到移动广告欺诈检测模型；8)采用移动广告欺诈检测模型对移动应用进行欺诈检测。本发明利用移动广告系统中的实体关联关系，有效的检测出欺诈的移动应用。
-
公开(公告)号：CN113313232A
公开(公告)日：2021-08-27
申请号：CN202110545947.0
申请日：2021-05-19
申请人： 华南理工大学
摘要： 本发明公开了一种基于预训练和图神经网络的功能脑网络分类方法，包括步骤：1)获取fMRI数据，并进行预处理；2)对fMRI数据进行大脑区域划分并提取特征，以图的形式构建功能脑网络；3)将无标签的的功能脑网络输入节点编码层训练；4)通过节点信息聚合网络训练；5)将步骤3)和4)的输出通过边关系预测网络训练；6)将带标签的功能脑网络数据输入步骤3)训练后的节点编码层训练；7)在步骤4)训练后的节点信息聚合网络中进行训练；8)通过功能脑网络分类模型，进行训练和分类。本发明利用大量无标签脑网络数据，通过对图神经网络的预训练，使完成预训练的网络只需在少量标签数据上训练即可适应下游的功能脑网络分类任务。
-
公开(公告)号：CN110189167B
公开(公告)日：2021-06-08
申请号：CN201910417284.7
申请日：2019-05-20
申请人： 华南理工大学
IPC分类号： G06Q30/02
摘要： 本发明公开了一种基于异构图嵌入的移动广告欺诈检测方法，包括步骤：1)获取移动广告日志数据并对数据进行预处理；2)提取用户、应用和广告三者关联关系数据，构建有权异构图；3)定义元路径，设定每个节点的游走次数和最长步长，遍历有权异构图节点，构建节点元路径随机游走序列；4)使用语言模型，构建有权异构图中节点的低维空间稠密向量表示；5)定义标签，构成被试数据；6)构建移动广告欺诈检测模型；7)将训练部分的移动应用被试数据输入至移动广告欺诈检测模型训练，得到移动广告欺诈检测模型；8)采用移动广告欺诈检测模型对移动应用进行欺诈检测。本发明利用移动广告系统中的实体关联关系，有效的检测出欺诈的移动应用。
-
公开(公告)号：CN109831535B
公开(公告)日：2020-06-19
申请号：CN201910211055.X
申请日：2019-03-20
申请人： 华南理工大学
IPC分类号： H04L29/08
摘要： 本发明公开了一种基于边缘计算的大数据智能收集方法，首先，边缘计算节点根据收集到的前端数据特性，确定前端数据是否需要传输到云端服务器，通过多条链路同时发起对服务器的数据传输，服务器在接收到请求后，根据边缘计算节点所在区域的所有边缘计算节点各链路历史传输数据信息作为特征，进行预测，随后服务器将生成的预测表发送给边缘计算节点，边缘计算节点根据预测表和相关策略决定各链路的传输属性并开始传输，在传输完成后服务器会记录本次传输各链路情况，并以此更新该区域内各链路的历史数据。本发明充分利用区域内所有链路传输数据的历史信息预测边缘计算节点各链路的性能，能更合理地为多链路分配传输属性，提高大规模数据收集可靠性。
-
公开(公告)号：CN109831535A
公开(公告)日：2019-05-31
申请号：CN201910211055.X
申请日：2019-03-20
申请人： 华南理工大学
IPC分类号： H04L29/08
摘要： 本发明公开了一种基于边缘计算的大数据智能收集方法，首先，边缘计算节点根据收集到的前端数据特性，确定前端数据是否需要传输到云端服务器，通过多条链路同时发起对服务器的数据传输，服务器在接收到请求后，根据边缘计算节点所在区域的所有边缘计算节点各链路历史传输数据信息作为特征，进行预测，随后服务器将生成的预测表发送给边缘计算节点，边缘计算节点根据预测表和相关策略决定各链路的传输属性并开始传输，在传输完成后服务器会记录本次传输各链路情况，并以此更新该区域内各链路的历史数据。本发明充分利用区域内所有链路传输数据的历史信息预测边缘计算节点各链路的性能，能更合理地为多链路分配传输属性，提高大规模数据收集可靠性。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.022 秒)
