公开(公告)号：CN118035648B

公开(公告)日：2025-04-22

申请号：CN202410273570.1

申请日：2024-03-11

Applicant: 山东大学

Inventor： 王效强 ,  赵高翔 ,  郭亮 ,  黄春茂

IPC: G06F18/10 ,  G06F18/243 ,  G06F18/213 ,  G06F18/2433 ,  G06F18/20 ,  G06N5/01

Abstract: 本发明提供了一种网络异常数据检测方法及系统，属于异常数据检测技术领域。所述的异常数据检测方法，包括：在焦点损失函数添加决策子树复杂度的惩罚项，最小化添加了惩罚项的焦点损失函数，为预训练的多个基于决策子树的弱学习器分配权重，将各个弱学习器基于对应的权重进行线性组合，得到强学习器，根据所述强学习器与预处理后的待检测网络数据，得到网络异常数据。本发明利用了焦点损失函数的处理不均衡数据的能力，添加惩罚项抑制树的复杂度，提高了对异常数据的识别能力以及泛化能力，焦点损失函数可以较好的处理数据失衡的情况，在总体准确率水平与其他集成模型或单个模型相当的前提下，能够更准确的进行网络异常数据检测。

公开(公告)号：CN118035648A

公开(公告)日：2024-05-14

申请号：CN202410273570.1

申请日：2024-03-11

Applicant: 山东大学

Inventor： 王效强 ,  赵高翔 ,  郭亮 ,  黄春茂

IPC: G06F18/10 ,  G06F18/243 ,  G06F18/213 ,  G06F18/2433 ,  G06F18/20 ,  G06N5/01

Abstract: 本发明提供了一种网络异常数据检测方法及系统，属于异常数据检测技术领域。所述的异常数据检测方法，包括：在焦点损失函数添加决策子树复杂度的惩罚项，最小化添加了惩罚项的焦点损失函数，为预训练的多个基于决策子树的弱学习器分配权重，将各个弱学习器基于对应的权重进行线性组合，得到强学习器，根据所述强学习器与预处理后的待检测网络数据，得到网络异常数据。本发明利用了焦点损失函数的处理不均衡数据的能力，添加惩罚项抑制树的复杂度，提高了对异常数据的识别能力以及泛化能力，焦点损失函数可以较好的处理数据失衡的情况，在总体准确率水平与其他集成模型或单个模型相当的前提下，能够更准确的进行网络异常数据检测。

公开(公告)号：CN115438886A

公开(公告)日：2022-12-06

申请号：CN202110615491.0

申请日：2021-06-02

Applicant: 山东大学

Inventor： 王效强 ,  周佳树 ,  王璐 ,  黄春茂

IPC: G06Q10/06 ,  G06Q50/10 ,  G06K9/62

Abstract: 本发明涉及数据处理技术领域，具体的说是一种提高服务评价准确度以及供求匹配准确度的家政从业人员服务评价和匹配方法及系统，其特征在于，设有包括，家政服务人员信息库:用于存放家政服务人员信息；雇主信息库:用于存放雇主信息；管理员信息库:用于存放管理员信息；用户登录及注册模块:用于实现普通用户的登录以及注册等功能，管理员登录模块：实现管理员的登录功能；添加家政服务人员信息模块：用于添加新家政人员的信息；编辑家政服务人员信息模块：用于编辑已有的家政人员的信息；查询家政服务人员信息模块：用于查询符合条件的家政人员的信息；智能匹配模块:用于根据自己的主观需求实现智能匹配并把结果推送给终端客户。